基于SOW-BTM的网络电影评论情感分类研究
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景和研究意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究文献综述 | 第14-18页 |
| 1.2.1 基于情感词典与规则的方法 | 第15页 |
| 1.2.2 基于机器学习的方法 | 第15-18页 |
| 1.3 研究内容和方法 | 第18-20页 |
| 1.4 主要工作和创新 | 第20-21页 |
| 1.5 论文的基本结构 | 第21-23页 |
| 第2章 情感分类相关技术分析 | 第23-33页 |
| 2.1 基于情感词典与规则的情感分类分析 | 第23-25页 |
| 2.2 基于机器学习的情感分类分析 | 第25-26页 |
| 2.2.1 有监督的情感分类技术 | 第25-26页 |
| 2.2.2 无监督的情感分类技术 | 第26页 |
| 2.3 主题模型 | 第26-31页 |
| 2.3.1 LDA主题模型 | 第26-29页 |
| 2.3.2 BTM主题模型 | 第29-31页 |
| 2.4 基于主题模型的情感分类分析 | 第31-32页 |
| 2.4.1 LDA模型在情感分类中的应用 | 第31-32页 |
| 2.4.2 BTM模型在情感分类中的应用 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 BTM模型的改进 | 第33-41页 |
| 3.1 权重模型的选取 | 第33-35页 |
| 3.2 SOW-BTM模型 | 第35-38页 |
| 3.2.1 模型的思想 | 第35页 |
| 3.2.2 模型的原理 | 第35-36页 |
| 3.2.3 模型的表示 | 第36-37页 |
| 3.2.4 模型的参数估计 | 第37-38页 |
| 3.3 SOW-BTM模型的情感倾向判断 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 SOW-BTM模型在电影评论中的运用 | 第41-59页 |
| 4.1 实验总体流程 | 第41-42页 |
| 4.2 数据集获取与预处理 | 第42-44页 |
| 4.3 权重的计算 | 第44-45页 |
| 4.4 电影评论情感词典的构建 | 第45-50页 |
| 4.4.1 基于HowNet的语义相似度计算 | 第46-48页 |
| 4.4.2 基准词对的选取 | 第48-49页 |
| 4.4.3 基础情感词典的构建 | 第49页 |
| 4.4.4 自建情感词典的构建 | 第49-50页 |
| 4.5 情感分类 | 第50-58页 |
| 4.5.1 实验环境与参数 | 第50-51页 |
| 4.5.2 模型运用 | 第51-54页 |
| 4.5.3 情感判断 | 第54页 |
| 4.5.4 实验评价 | 第54-55页 |
| 4.5.5 实验结果与分析 | 第55-58页 |
| 4.6 本章小结 | 第58-59页 |
| 总结与展望 | 第59-62页 |
| 1、结论 | 第59-60页 |
| 2、展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的论文和其它科研情况 | 第70-71页 |
