1. 研究目的与意义（文献综述）

目的及意义：

随着web 2.0时代的蓬勃发展，互联网上出现了大量的数据。人们在博客，微博，产品评论，电影评论，网络讨论群等区域留下了非常多的文本信息。这些非结构化的文本中包含了作者的思想，情感，观点以及看法。如果能够从这些非结构化的数据中提取出情感数据，将会推动自动抉择支持、网络舆情风险分析、信息预警、商品销售的发展，在科研以及实际应用中具有非常大的价值。

国内外研究现状：

2. 研究的基本内容与方案

设计基本内容及目标：

传统的用于解决文本情感分析问题的方法包括基于知识的方法，基于统计的方法以及混合的方法。在数据量不大或者语义不够丰富的时候，这些方法能够取得一定的效果。基于深度学习的方法在自然语言处理领域已经取得了比传统的机器学习方法更好的效果。采用深度学习神经网络来发现与任务相关的特征，避免依赖于具体任务的人工特征设计，并根据句子词语间前后的关联性引入情感极性转移模型加强对文本关联性的捕获。

拟采用技术方案：

3. 研究计划与安排

（1）2018/1/14—2018/3/5：确定选题，查阅文献，外文翻译和撰写开题报告；

（2）2018/3/6—2018/3/31：学习文本预处理技术，阅读相关论文，了解文本情感分类常用技术，并确定应用场景及构建技术；

（3）2018/4/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

4. 参考文献（12篇以上）

[1]wang j, yu l c, lai k r, et al.dimensional sentiment analysis using a regional cnn-lstm model[c]. meeting ofthe association for computational linguistics, 2016:225-230.

[2]hogenboom a, frasincar f, de jong f, etal. using rhetorical structure in sentiment analysis[j]. communications of theacm, 2015, 58(7): 69-77.

[3]dong l, wei f, tan c, et al. adaptiverecursive neural network for target-dependent twitter sentimentclassification[c]. acl (2), 2014: 49-54.