首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于细粒度情感词典的心理预警模型研究

摘要第4-5页
ABSTRACT第5页
第1章 绪论第8-14页
    1.1 课题背景及意义第8-10页
        1.1.1 课题背景第8-9页
        1.1.2 课题意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 论文研究内容第12页
    1.4 论文组织结构第12-14页
第2章 相关理论及技术第14-21页
    2.1 情感分析理论方法第14-16页
        2.1.1 基于无监督学习的情感分析第14-15页
        2.1.2 基于监督学习的情感分析第15-16页
        2.1.3 基于半监督学习的情感分析第16页
    2.2 中文情感词典第16-17页
    2.3 常见情感模型第17-18页
        2.3.1 OCC情感模型第17-18页
        2.3.2 HMM情感模型第18页
        2.3.3 PAD情感模型第18页
    2.4 相关技术第18-21页
        2.4.1 文本预处理第18-19页
        2.4.2 特征提取第19-21页
第3章 中文词汇情感规范词典的构建与扩充第21-29页
    3.1 基于PAD情感模型的词汇度量方法第21-22页
    3.2 中文词汇情感规范词典第22-23页
    3.3 细粒度中文词汇情感规范词典构建第23-26页
        3.3.1 基础情感词典第24-25页
        3.3.2 网络情感词典第25-26页
    3.4 细粒度中文词汇情感规范词典扩充第26-29页
        3.4.1 基于同义词词林扩展版的词典扩充方法第26-27页
        3.4.2 基于改进的SO-PMI算法的词典扩充方法第27-29页
第4章 基于情感词典的心理预警模型第29-36页
    4.1 基于规则的情感倾向性分析第29-30页
        4.1.1 文本预处理第29页
        4.1.2 基于规则的特征抽取第29-30页
    4.2 影响情感倾向的因素分析第30-33页
        4.2.1 极性转移词第31-32页
        4.2.2 程度副词第32-33页
        4.2.3 极性转移词和程度词的权重处理流程第33页
    4.3 基于权重因子的情感分析算法第33-34页
    4.4 心理预警流程第34-36页
第5章 实验与结果分析第36-45页
    5.1 实验数据第36-37页
    5.2 情感识别实验第37-38页
        5.2.1 评价指标第37页
        5.2.2 实验结果第37页
        5.2.3 实验分析第37-38页
    5.3 情感分类实验第38-41页
        5.3.1 评价指标第39页
        5.3.2 实验结果第39-41页
        5.3.3 实验分析第41页
    5.4 心理预警实验第41-45页
        5.4.1 实验数据第41-42页
        5.4.2 实验结果第42-43页
        5.4.3 实验分析第43-45页
第6章 总结与展望第45-47页
    6.1 总结第45-46页
    6.2 展望第46-47页
参考文献第47-51页
发表论文和参加科研情况说明第51-52页
致谢第52-53页

论文共53页,点击 下载论文
上一篇:移动新闻客户端编辑的职能研究--以今日头条为例
下一篇:汽车垂直网站“汽车之家”的媒介经营研究