面向股票评论的情感分析系统研究与实现
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 本文的研究背景与意义 | 第9-10页 |
| 1.2 情感分析国内外研究现状 | 第10-14页 |
| 1.2.1 基于情感词典的情感分析 | 第10-12页 |
| 1.2.2 基于机器学习的情感分析 | 第12-13页 |
| 1.2.3 面向股票评论的情感分析 | 第13-14页 |
| 1.2.4 情感分析系统 | 第14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 理论与方法基础 | 第16-32页 |
| 2.1 股票评论文本 | 第16页 |
| 2.2 数据来源与采集 | 第16-18页 |
| 2.2.1 金融网站的选择 | 第17页 |
| 2.2.2 数据采集 | 第17-18页 |
| 2.3 文本预处理 | 第18-20页 |
| 2.3.1 中文分词 | 第19页 |
| 2.3.2 词性标注 | 第19-20页 |
| 2.3.3 停用词处理 | 第20页 |
| 2.4 基于情感词典的方法 | 第20-23页 |
| 2.4.1 常见的情感词典介绍 | 第20-21页 |
| 2.4.2 基于情感词典的传统方法介绍 | 第21-23页 |
| 2.5 词向量表示 | 第23-26页 |
| 2.5.1 Word2vec模型 | 第24-26页 |
| 2.6 基于机器学习的方法 | 第26-29页 |
| 2.7 Softmax回归 | 第29-30页 |
| 2.8 交叉验证和评估指标 | 第30-31页 |
| 2.8.1 交叉验证 | 第30页 |
| 2.8.2 评估指标 | 第30-31页 |
| 2.9 本章小结 | 第31-32页 |
| 第3章 基于情感词典的评论文本情感分析 | 第32-43页 |
| 3.1 情感词典的构建 | 第32-35页 |
| 3.1.1 基础情感词典的构建 | 第32-34页 |
| 3.1.2 基础情感词典的扩充 | 第34-35页 |
| 3.2 辅助词典集的构建 | 第35-37页 |
| 3.2.1 否定词典的构建 | 第35-36页 |
| 3.2.2 程度副词词典的构建 | 第36-37页 |
| 3.3 倾向值计算方法 | 第37-38页 |
| 3.4 实验和结果分析 | 第38-42页 |
| 3.4.1 实验数据介绍 | 第38-39页 |
| 3.4.2 实验设计与实现 | 第39-41页 |
| 3.4.3 实验结果与分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于LSTM网络的评论文本情感分析 | 第43-48页 |
| 4.1 基于LSTM网络的情感分类模型 | 第43-45页 |
| 4.2 实验结果与分析 | 第45-47页 |
| 4.2.1 实验数据介绍 | 第45页 |
| 4.2.2 实验结果与分析 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 面向股票评论的情感分析系统设计与实现 | 第48-56页 |
| 5.1 系统开发环境及工具 | 第48页 |
| 5.2 系统架构及其功能模型 | 第48-51页 |
| 5.2.1 金融爬虫和预处理模块 | 第49-50页 |
| 5.2.2 文本预处理和情感分析模块 | 第50页 |
| 5.2.3 网页展示模块 | 第50-51页 |
| 5.3 系统的实现与展示 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
