《复杂情感分析方法及其应用》主要介绍了机器学习的概念及分类、复杂情感分析的理论及基本处理方法：基于局部保持支持向量文本描述的复杂情感分析算法（如分类算法、聚类算法、回归算法）、文本处理及其处理方法、基于机器学习中学习方法、一致性分类方法等。
《复杂情感分析方法及其应用》可供从事计算机、人工智能等专业的工程技术人员阅读，也可供大专院校有关师生参考。
1 绪论
1．1 背景介绍
1．1．1 机器学习问题
1．1．2 机器学习分类
1．1．3 深度学习问题
1．2 相关研究分析
1．3 研究意义与目的
1．3．1 机器学习的研究意义与目的
1．3．2 深度学习的研究意义与目的
1．4 研究方向与研究内容
1．4．1 研究方法
1．4．2 本书研究内容
2 相关研究综述
2．1 复杂情感分析的理论研究
2．2 复杂情感分析的算法研究
2．2．1 关联分析
2．2．2 注意力机制
2．2．3 循环神经网络
2．2．4 长短期记忆网络
2．2．5 门控循环单元
2．2．6 连续词袋模型
2．2．7 Skip-gram
2．2．8 贝叶斯分类算法
2．2．9 K近邻算法
2．2．10 K均值聚类算法
2．2．11 其他方法
2．3 评价指标研究
2．3．1 Precision
2．3．2 Recall
2．3．3 F-measure Metric
2．3．4 接受者操作特性曲线（ROC曲线）
2．3．5 AUC值
2．4 本章小结
3 基于局部保持支持向量文本描述的复杂情感分析算法研究
3．1 引言
3．2 文本固有结构对复杂情感分析算法的影响
3．3 支持向量数据描述的原理及算法
3．3．1 TSVM
3．3．2 PTSVM
3．4 基于局部支持向量文本描述的复杂数据分析算法
3．4．1 线性LPTSVM
3．4．2 线性LPTSVM奇异性问题
3．4．3 非线性LPTSVM
3．5 基于局部支持向量文本描述的组合复杂数据分析算法
3．5．1 长短期记忆神经网络和BiLSTM
3．5．2 长短期记忆神经网络详细介绍计算过程
3．5．3 Bi长短期记忆神经网络
3．6 本章小结
4 文本处理及其处理方法研究
4．1 引言
……
书单推荐
