首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于微博的情感分析与特征选择方法研究

摘要第4-5页
ABSTRACT第5-6页
目录第7-9页
第一章 绪论第9-14页
    1.1 课题背景及研究意义第9-10页
    1.2 国内外研究现状第10-11页
    1.3 论文的主要研究内容第11-12页
    1.4 论文的创新点第12页
    1.5 本文的组织结构第12-14页
第二章 微博特点及相关关键技术第14-23页
    2.1 微博的特点第14页
    2.2 文本预处理技术第14-15页
    2.3 特征选择技术第15-18页
        2.3.1 文档频率第15-16页
        2.3.2 词频-逆文档频率第16页
        2.3.3 信息增益第16-17页
        2.3.4 互信息第17页
        2.3.5 卡方检验第17-18页
    2.4 情感分析技术第18-21页
        2.4.1 情感词典构建第18-20页
        2.4.2 情感倾向判断第20-21页
    2.5 本章小结第21-23页
第三章 微博特征选择方法研究第23-37页
    3.1 传统特征选择方法的不足第23-24页
    3.2 基于信息增益的改进特征选择方法第24-26页
        3.2.1 词频比率因子第24-25页
        3.2.2 平衡因子第25-26页
        3.2.3 基于词频因子和平衡因子的改进特征选择方法第26页
    3.3 基于微博流数据的动态特征选择更新方法第26-31页
        3.3.1 微博数据流对特征选择的要求第26-27页
        3.3.2 动态更新相关方法研究第27-29页
        3.3.3 基于指数衰减的动态特征选择方法更新方法第29-31页
    3.4 实验设计与结果分析第31-36页
        3.4.1 微博语料集第31页
        3.4.2 实验评价方法第31-33页
        3.4.3 改进特征选择算法实验设计及分析第33-35页
        3.4.4 动态特征选择更新算法实验设计及分析第35-36页
    3.5 本章小结第36-37页
第四章 微博情感倾向性分析第37-57页
    4.1 情感倾向性含义第37-38页
    4.2 微博情感词典的构建第38-46页
        4.2.1 基础情感词典构建第38-40页
        4.2.2 采用关联规则的网络情感词挖掘第40-42页
        4.2.3 采用词激活力模型的网络情感词挖掘第42-44页
        4.2.4 采用信息熵识别的网络情感词挖掘第44-46页
    4.3 基于句法依存树的微博情感倾向性分析方法第46-52页
        4.3.1 句法依存树分析第46-48页
        4.3.2 情感词修饰关系对应计算规则第48-51页
        4.3.3 依存关系层次分析计算规则第51-52页
    4.4 实验设计与结果分析第52-56页
        4.4.1 实验数据集第52-53页
        4.4.2 实验方案设计及结果分析第53-56页
    4.5 本章小结第56-57页
第五章 总结与展望第57-59页
    5.1 论文工作总结第57-58页
    5.2 对未来的展望第58-59页
参考文献第59-63页
致谢第63-64页
攻读学位期间发表的学术论文目录第64页

论文共64页,点击 下载论文
上一篇:青瓯柑PAO基因的克隆及分析
下一篇:马铃薯类“T-DNA”元件功能分析及内源转基因体系初步建立