基于半监督学习的微博情感分析方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究的背景及意义 | 第10-13页 |
| ·研究的背景 | 第10-12页 |
| ·研究的意义 | 第12-13页 |
| ·国内外研究现状及评价 | 第13-19页 |
| ·微博信息处理 | 第13-14页 |
| ·文本与自然语言处理 | 第14-15页 |
| ·文本情感分析 | 第15-17页 |
| ·总体评价 | 第17-19页 |
| ·框架与论文组织 | 第19-20页 |
| 第2章 基础理论与技术 | 第20-35页 |
| ·微博与情感分析理论 | 第20-24页 |
| ·情感分析相关概念 | 第20-22页 |
| ·微博情感分析相关问题 | 第22-24页 |
| ·机器学习方法 | 第24-33页 |
| ·线性回归与分类 | 第25-27页 |
| ·监督学习方法 | 第27-31页 |
| ·半监督学习 | 第31-32页 |
| ·K-means | 第32-33页 |
| ·小结 | 第33-35页 |
| 第3章 基于监督学习的情感分析 | 第35-50页 |
| ·微博文本与语料 | 第35-38页 |
| ·语言资源与软件 | 第38-40页 |
| ·情感极性分析 | 第40-46页 |
| ·文本预处理 | 第40-41页 |
| ·特征提取 | 第41页 |
| ·算法过程 | 第41-44页 |
| ·实验 | 第44-46页 |
| ·微博情感分类 | 第46-49页 |
| ·情感特征扩展 | 第46-47页 |
| ·实验 | 第47-48页 |
| ·算法复杂度分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第4章 半监督学习的应用 | 第50-58页 |
| ·微博数据集扩展 | 第50-54页 |
| ·极性标注集扩展 | 第50-51页 |
| ·微博数据检索 | 第51-53页 |
| ·无监督情感分析 | 第53-54页 |
| ·主动学习 | 第54-56页 |
| ·数据选择与标注 | 第54-55页 |
| ·实验 | 第55-56页 |
| ·小结 | 第56-58页 |
| 第5章 基于分布式的情感分析原型系统 | 第58-67页 |
| ·原型系统架构 | 第58-60页 |
| ·系统关键技术 | 第60-65页 |
| ·PCA 降维 | 第60-62页 |
| ·神经网络并行计算 | 第62-63页 |
| ·分布式文本预处理 | 第63页 |
| ·实验 | 第63-65页 |
| ·情感聚合 | 第65-66页 |
| ·小结 | 第66-67页 |
| 总结 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-80页 |
| A 中文语言资源 | 第72-75页 |
| B 机器学习相关推理 | 第75-78页 |
| C 情感结构 | 第78-79页 |
| D 主要符号表 | 第79-80页 |
| 攻读硕士学位期间取得的学术成果 | 第80页 |
| 攻读硕士期间参与的科研项目 | 第80-81页 |
| 致谢 | 第81页 |
