基于云环境的短文本情感分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究的背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的主要内容 | 第9-10页 |
| 1.4 本文组织框架 | 第10-12页 |
| 第二章 基础理论及关键技术 | 第12-17页 |
| 2.1 短文本与情感分析 | 第12页 |
| 2.1.1 短文本 | 第12页 |
| 2.1.2 情感分析 | 第12页 |
| 2.2 短文本数据的采集 | 第12-14页 |
| 2.3 短文本数据的预处理 | 第14-15页 |
| 2.4 云计算与分布式存储 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 基于传统机器学习的情感分类模型 | 第17-25页 |
| 3.1 引言 | 第17-18页 |
| 3.2 情感特征的抽取 | 第18-20页 |
| 3.2.1 表情符号特征 | 第18-19页 |
| 3.2.2 词聚类特征 | 第19页 |
| 3.2.3 词性标注特征 | 第19页 |
| 3.2.4 n-gram特征 | 第19-20页 |
| 3.2.5 否定特征 | 第20页 |
| 3.2.6 情感词典 | 第20页 |
| 3.3 支持向量机 | 第20-21页 |
| 3.4 实验结果与分析 | 第21-24页 |
| 3.4.1 语料库分布 | 第21-22页 |
| 3.4.2 实验评测标准 | 第22页 |
| 3.4.3 实验结果及分析 | 第22-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 基于神经网络的情感分类模型 | 第25-34页 |
| 4.1 引言 | 第25-26页 |
| 4.2 神经网络模型 | 第26-31页 |
| 4.2.1 卷积神经网络 | 第26-28页 |
| 4.2.2 长短时记忆网络 | 第28-30页 |
| 4.2.3 卷积记忆网络 | 第30-31页 |
| 4.3 实验结果与分析 | 第31-33页 |
| 4.3.1 模型训练 | 第31-32页 |
| 4.3.2 语料库分布 | 第32页 |
| 4.3.3 模型超参数 | 第32-33页 |
| 4.3.4 实验结果及分析 | 第33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 Spark下的短文本情感分类模型 | 第34-42页 |
| 5.1 引言 | 第34页 |
| 5.2 Spark下的SVM情感分类算法 | 第34-36页 |
| 5.3 Spark下的神经网络情感分类算法 | 第36-38页 |
| 5.3.1 卷积神经网络并行化处理 | 第36-37页 |
| 5.3.2 卷积神经网络并行化设计与实现 | 第37-38页 |
| 5.4 实验结果与分析 | 第38-41页 |
| 5.4.1 实验环境 | 第38页 |
| 5.4.2 实验结果及分析 | 第38-41页 |
| 5.5 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 工作总结 | 第42页 |
| 6.2 工作展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 在学研究成果 | 第49-50页 |
| 致谢 | 第50页 |
