维吾尔文情感分析技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 引言 | 第6-13页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 情感分析技术的研究现状 | 第7-11页 |
| 1.2.1 英文和中文情感分析的研究现状 | 第8-10页 |
| 1.2.2 维吾尔文情感分析的研究现状 | 第10-11页 |
| 1.3 本文的主要工作和组织安排 | 第11-13页 |
| 第二章 情感语料库的构建 | 第13-26页 |
| 2.1 标注规范的制定 | 第13-17页 |
| 2.1.1 标注体系 | 第14-15页 |
| 2.1.2 标注集的选择 | 第15-17页 |
| 2.2 情感标注平台的设计 | 第17-23页 |
| 2.2.1 数据收集模块 | 第18-19页 |
| 2.2.2 数据标注模块 | 第19-21页 |
| 2.2.3 数据存储模块 | 第21-23页 |
| 2.3 情感语料库数据分析 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于传统机器学习方法的文本情感分析 | 第26-44页 |
| 3.1 特征选择 | 第28-35页 |
| 3.1.1 基于文档频率的特征选择方法 | 第29页 |
| 3.1.2 基于信息增益的特征选择方法 | 第29-30页 |
| 3.1.3 基于CHI统计量的特征选择方法 | 第30-31页 |
| 3.1.4 基于互信息的特征选择方法 | 第31-32页 |
| 3.1.5 数据准备及性能指标 | 第32-33页 |
| 3.1.6 特征选择结果分析 | 第33-35页 |
| 3.2 传统的机器学习方法 | 第35-42页 |
| 3.2.1 基于朴素贝叶斯算法的情感分类方法 | 第35-37页 |
| 3.2.2 基于k-最近邻算法的情感分类方法 | 第37-38页 |
| 3.2.3 基于逻辑回归算法的情感分类方法 | 第38-39页 |
| 3.2.4 基于支持向量机算法的情感分类方法 | 第39-40页 |
| 3.2.5 基于随机森林算法的情感分类方法 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第四章 基于神经网络的文本情感分析 | 第44-53页 |
| 4.1 word2vec词向量与传统分类器的结合 | 第46-48页 |
| 4.2 基于卷积神经网络的文本情感分类 | 第48-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在读硕士研究生期间发表论文 | 第57-58页 |
| 致谢 | 第58-59页 |
