基于跨媒体的社交电商用户情感分析
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 文本情感分析研究现状 | 第15-17页 |
| 1.2.2 图像情感分析研究现状 | 第17-19页 |
| 1.3 论文的组织结构 | 第19-20页 |
| 2 社交电商及情感分析相关技术 | 第20-34页 |
| 2.1 社交电商介绍 | 第20-21页 |
| 2.2 情感分析相关技术 | 第21页 |
| 2.3 文本情感分析相关技术 | 第21-29页 |
| 2.3.1 文本预处理 | 第22-23页 |
| 2.3.2 基于情感词典的无监督情感分类 | 第23-24页 |
| 2.3.3 基于机器学习的有监督情感分类 | 第24-29页 |
| 2.4 图像情感分析相关技术 | 第29-31页 |
| 2.4.1 PCA特征提取 | 第29-30页 |
| 2.4.2 纹理特征提取 | 第30页 |
| 2.4.3 HOG特征提取 | 第30-31页 |
| 2.4.4 视觉词袋特征 | 第31页 |
| 2.5 跨媒体数据情感分析相关技术 | 第31-33页 |
| 2.5.1 特征融合 | 第31-32页 |
| 2.5.2 分类器 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 基于文本和表情图片特征融合及分类模型 | 第34-50页 |
| 3.1 文本特征抽取 | 第35-37页 |
| 3.1.1 特征抽取 | 第35-36页 |
| 3.1.2 特征选择 | 第36-37页 |
| 3.2 图像特征抽取 | 第37-38页 |
| 3.2.1 PCA特征抽取 | 第37-38页 |
| 3.2.2 LBP特征提取 | 第38页 |
| 3.3 文本和表情图片融合模型 | 第38-45页 |
| 3.3.1 决策层融合模型 | 第39-41页 |
| 3.3.2 特征层融合模型 | 第41-45页 |
| 3.4 融合特征分类器 | 第45-49页 |
| 3.4.1 基于CMAC神经网络的特征分类模型 | 第45-47页 |
| 3.4.2 基于高斯基函数的CMAC神经网络 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 实验结果及分析 | 第50-60页 |
| 4.1 跨媒体数据特征提取及分类实验 | 第50-55页 |
| 4.1.1 实验数据集构建 | 第50-51页 |
| 4.1.2 测评方法及评价指标 | 第51-52页 |
| 4.1.3 文本情感分类和图像情感分类效果 | 第52-55页 |
| 4.2 特征融合模型情感分析实验 | 第55-60页 |
| 4.2.1 实验结果展示 | 第56-59页 |
| 4.2.2 实验结果分析 | 第59页 |
| 4.2.3 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
