基于情感分析的微博谣言识别模式研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 谣言传播分析 | 第9页 |
| 1.2.2 微博谣言的检测 | 第9-10页 |
| 1.3 论文研究主要内容 | 第10-11页 |
| 1.4 论文的章节安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 2 相关知识与技术综述 | 第13-25页 |
| 2.1 谣言相关介绍 | 第13-14页 |
| 2.1.1 从传统社会谣言到微博谣言 | 第13-14页 |
| 2.1.2 微博谣言的特点 | 第14页 |
| 2.2 文本信息处理技术 | 第14-17页 |
| 2.2.1 文本预处理技术 | 第14-16页 |
| 2.2.2 特征选择方法 | 第16-17页 |
| 2.3 核与图核 | 第17-21页 |
| 2.3.1 核方法 | 第17-18页 |
| 2.3.2 混合核的构成 | 第18-19页 |
| 2.3.3 图核 | 第19-21页 |
| 2.4 支持向量机理论 | 第21-24页 |
| 2.4.1 数据线性可分的情况 | 第22-23页 |
| 2.4.2 数据线性不可分的情况 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 微博谣言识别模型研究 | 第25-41页 |
| 3.1 新浪微博数据采集方法 | 第25-28页 |
| 3.1.1 基于新浪API的数据获取 | 第25-27页 |
| 3.1.2 基于网络爬虫的页面解析 | 第27-28页 |
| 3.2 微博垃圾评论过滤 | 第28-31页 |
| 3.2.1 微博中的垃圾现象 | 第28-29页 |
| 3.2.2 垃圾评论过滤流程 | 第29-31页 |
| 3.3 情感极性在内的特征选择 | 第31-37页 |
| 3.3.1 情感分析研究方法 | 第31-32页 |
| 3.3.2 基于情感词典的情感特征提取 | 第32-37页 |
| 3.3.3 其余特征属性选择 | 第37页 |
| 3.4 基于图核的混合核SVM | 第37-40页 |
| 3.4.1 微博传播树 | 第37-39页 |
| 3.4.2 基于图核的混合核构成 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 实验结果比较与分析 | 第41-47页 |
| 4.1 数据集 | 第41页 |
| 4.2 评估指标 | 第41-42页 |
| 4.3 SVM参数优化 | 第42-44页 |
| 4.4 不同特征对实验的影响 | 第44-45页 |
| 4.5 不同模型结果比较分析 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
