| 中文摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第5-10页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 本文研究背景与意义 | 第10-12页 |
| 1.2 文本情感分析研究现状 | 第12-19页 |
| 1.2.1 有监督学习的文本情感分析 | 第13-15页 |
| 1.2.2 半监督学习的文本情感分析 | 第15-16页 |
| 1.2.3 无监督学习的文本情感分析 | 第16-19页 |
| 1.3 主题模型研究现状 | 第19-22页 |
| 1.3.1 模型参数扩展型 | 第20页 |
| 1.3.2 上下文信息引入型 | 第20-21页 |
| 1.3.3 特定任务驱动型 | 第21-22页 |
| 1.4 论文的主要工作及结构安排 | 第22-24页 |
| 第二章 基于主题情感混合模型的文本情感分析 | 第24-40页 |
| 2.1 文本主题生成模型LDA | 第24-25页 |
| 2.2 主题情感混合模型TSCM | 第25-32页 |
| 2.2.1 互联网短评行为理论 | 第26页 |
| 2.2.2 模型描述与推导 | 第26-31页 |
| 2.2.3 单词主题与情感极性初始化 | 第31页 |
| 2.2.4 文本情感分析 | 第31-32页 |
| 2.3 实验结果与分析 | 第32-39页 |
| 2.3.1 实验准备 | 第32-33页 |
| 2.3.2 准确率分析 | 第33-36页 |
| 2.3.3 主题数对准确率的影响 | 第36-38页 |
| 2.3.4 主题提取 | 第38-39页 |
| 2.4 小结 | 第39-40页 |
| 第三章 基于动态主题情感混合模型的文本情感演化分析 | 第40-53页 |
| 3.1 主题演化分析 | 第40页 |
| 3.2 情感周期性理论 | 第40-41页 |
| 3.3 动态主题情感混合模型DTSCM | 第41-47页 |
| 3.3.1 模型描述与推导 | 第42-45页 |
| 3.3.2 算法描述与分析 | 第45-47页 |
| 3.4 实验结果与分析 | 第47-52页 |
| 3.4.1 数据集 | 第47页 |
| 3.4.2 情感分析准确率 | 第47-48页 |
| 3.4.3 主题演化分析 | 第48-50页 |
| 3.4.4 主题热度演化分析 | 第50-51页 |
| 3.4.5 主题情感演化分析 | 第51-52页 |
| 3.5 小结 | 第52-53页 |
| 第四章 基于用户关系的微博情感分析 | 第53-65页 |
| 4.1 微博的用户关系 | 第54页 |
| 4.2 基于微博用户关系的微博主题情感模型SRTSM | 第54-59页 |
| 4.2.1 模型描述与推导 | 第55-58页 |
| 4.2.2 算法描述与分析 | 第58-59页 |
| 4.3 实验结果与分析 | 第59-64页 |
| 4.3.1 数据集 | 第59-60页 |
| 4.3.2 情感分析准确率 | 第60-61页 |
| 4.3.3 用户关系对准确率的影响 | 第61-62页 |
| 4.3.4 主题提取 | 第62-64页 |
| 4.4 小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75-77页 |