情感标签在社交媒体文本分析中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·情感计算 | 第9页 |
| ·博客 | 第9-10页 |
| ·微博 | 第10-11页 |
| ·微博主题分析 | 第10页 |
| ·微博预测分析 | 第10-11页 |
| ·本文主要研究内容与组织结构 | 第11-12页 |
| 2 相关工作 | 第12-18页 |
| ·情感词汇本体 | 第12-13页 |
| ·WordNet Affect | 第13页 |
| ·HITS算法 | 第13-14页 |
| ·随机游走 | 第14页 |
| ·算法流程 | 第14页 |
| ·LDA算法 | 第14-16页 |
| ·模型的组织 | 第14-15页 |
| ·模型的估计 | 第15-16页 |
| ·模型的优缺点 | 第16页 |
| ·多元线性回归 | 第16-17页 |
| ·小结 | 第17-18页 |
| 3 基于情感主题的博客性别分类 | 第18-27页 |
| ·引言 | 第18页 |
| ·情感主题 | 第18-20页 |
| ·情感主题模型 | 第18-19页 |
| ·情感主题的筛选 | 第19-20页 |
| ·隐含情感词的挖掘 | 第20页 |
| ·挖掘隐含情感词的动机 | 第20页 |
| ·隐含情感词的挖掘方法 | 第20页 |
| ·博客写作模型 | 第20-23页 |
| ·情感主题的分类方法 | 第20-21页 |
| ·内部词典 | 第21-22页 |
| ·博客写作分类模型 | 第22-23页 |
| ·实验分析 | 第23-26页 |
| ·语料来源 | 第23页 |
| ·情感词扩展结果分析 | 第23-24页 |
| ·情感词扩展结果分析 | 第24-25页 |
| ·博客写作分类模型分类结果分析 | 第25-26页 |
| ·小结 | 第26-27页 |
| 4 利用词的情感标签进行主题词的分词 | 第27-34页 |
| ·引言 | 第27页 |
| ·方法 | 第27-28页 |
| ·基于情感的HITS算法 | 第27-28页 |
| ·基于情感的主题词打分算法 | 第28页 |
| ·基于滑动窗口的情感句分类 | 第28页 |
| ·实验分析 | 第28-33页 |
| ·语料 | 第29页 |
| ·对比实验结果及分析 | 第29-30页 |
| ·热点事件发现 | 第30-32页 |
| ·情感分析结果 | 第32-33页 |
| ·小结 | 第33-34页 |
| 5 利用情感预测话题持续时间 | 第34-48页 |
| ·引言 | 第34页 |
| ·数据集 | 第34-37页 |
| ·事件的筛选 | 第34-35页 |
| ·语料集的构建 | 第35-36页 |
| ·语料集中观点表达的情况 | 第36页 |
| ·定义持续时间 | 第36-37页 |
| ·微博倾向性的计算 | 第37-38页 |
| ·情感词倾向性判断 | 第37-38页 |
| ·主题倾向性分析 | 第38页 |
| ·情感的建模 | 第38-40页 |
| ·对抗性情感 | 第39页 |
| ·对抗性情感建模 | 第39-40页 |
| ·情感影响的一般性建模建模 | 第40页 |
| ·预测模型 | 第40-41页 |
| ·词典特征 | 第40-41页 |
| ·文本长度 | 第41页 |
| ·交互特征 | 第41页 |
| ·实验结果与分析 | 第41-46页 |
| ·预测结果分析 | 第41-43页 |
| ·特征分析 | 第43-44页 |
| ·不同模型下情感特征的分析 | 第44-45页 |
| ·情感影响的分析 | 第45-46页 |
| ·小结 | 第46-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
