微博意见领袖识别与情感极性分类技术研究
| 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10-18页 |
| 第一节 研究背景和意义 | 第10-11页 |
| 第二节 国内外研究现状 | 第11-14页 |
| 2.1 微博意见领袖识别技术 | 第11-12页 |
| 2.2 微博情感分析技术 | 第12-13页 |
| 2.3 研究趋势 | 第13-14页 |
| 第三节 主要研究内容以及组织结构 | 第14-18页 |
| 3.1 论文主要研究内容 | 第14-15页 |
| 3.2 论文主要特色 | 第15-16页 |
| 3.3 论文组织结构 | 第16-18页 |
| 第二章 相关研究基础知识 | 第18-28页 |
| 第一节 微博相关知识简介 | 第18-21页 |
| 1.1 微博用户简介 | 第18-19页 |
| 1.2 微博内容简介 | 第19-20页 |
| 1.3 微博发展情况简介 | 第20-21页 |
| 第二节 微博数据的收集方法 | 第21-23页 |
| 2.1 基于开放平台的数据获取方法 | 第21-22页 |
| 2.2 基于页面解析的微博数据获取方法 | 第22-23页 |
| 第三节 相关算法简介 | 第23-26页 |
| 3.1 PageRank算法简介 | 第23-24页 |
| 3.2 k-最近邻分类算法 | 第24-25页 |
| 3.3 支撑向量机简介 | 第25-26页 |
| 第四节 本章小结 | 第26-28页 |
| 第三章 基于特定话题的意见领袖在线检测方法 | 第28-42页 |
| 第一节 识别模型的改进 | 第28-30页 |
| 1.1 基础模型存在的问题 | 第28-29页 |
| 1.2 改进的基础模型 | 第29-30页 |
| 第二节 改进模型的具体细节 | 第30-32页 |
| 2.1 基础模型的局部修改 | 第30页 |
| 2.2 PageRank算法思想的融合 | 第30-31页 |
| 2.3 时间衰减函数 | 第31-32页 |
| 第三节 在线检测框架 | 第32-37页 |
| 3.1 相关开放接口 | 第32-33页 |
| 3.2 数据收集的局限性 | 第33页 |
| 3.3 特定话题的意见领袖在线检测框架 | 第33-35页 |
| 3.4 意见领袖在线检测算法 | 第35-37页 |
| 第四节 实验结果与分析 | 第37-41页 |
| 4.1 实验设置 | 第37页 |
| 4.2 实验结果与分析 | 第37-41页 |
| 第五节 本章小节 | 第41-42页 |
| 第四章 基于词性序列特征提取的情感极性分类方法 | 第42-52页 |
| 第一节 词性简介 | 第42-43页 |
| 第二节 相关定义 | 第43页 |
| 第三节 词性序列特征提取方法 | 第43-46页 |
| 3.1 词性序列组自动获取算法 | 第43-45页 |
| 3.2 特征值计算方法 | 第45-46页 |
| 第四节 情感极性分类流程与分析 | 第46-48页 |
| 4.1 情感极性分类流程 | 第46-47页 |
| 4.2 时间复杂度分析 | 第47-48页 |
| 第五节 实验结果与分析 | 第48-51页 |
| 5.1 情感语料自动获取方法 | 第48-49页 |
| 5.2 实验结果与分析 | 第49-51页 |
| 第六节 本章小节 | 第51-52页 |
| 第五章 基于情感词子空间的情感极性分类方法 | 第52-62页 |
| 第一节 微博子空间分类思想 | 第52-53页 |
| 1.1 相关定义 | 第52页 |
| 1.2 分类思想 | 第52-53页 |
| 第二节 情感词子空间 | 第53-54页 |
| 第三节 基于情感词子空间的改进算法 | 第54-57页 |
| 3.1 改进算法 | 第55-56页 |
| 3.2 算法实现细节 | 第56-57页 |
| 第四节 实验结果与分析 | 第57-60页 |
| 4.1 实验环境与数据 | 第57-58页 |
| 4.2 词典的构建 | 第58页 |
| 4.3 实验评估指标 | 第58-59页 |
| 4.4 实验结果与分析 | 第59-60页 |
| 第五节 本章小节 | 第60-62页 |
| 第六章 总结与展望 | 第62-66页 |
| 第一节 本文工作的总结 | 第62-63页 |
| 第二节 今后工作展望 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间承担的科研任务与主要成果 | 第72-74页 |
| 致谢 | 第74-76页 |
| 个人简历 | 第76-80页 |
