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

基于多特征融合的藏语微博的情感分析

摘要第3-4页
ABSTRACT第4页
第一章 绪论第8-13页
    第一节 课题背景及意义第8-9页
    第二节 国内外研究现状第9-10页
    第三节 藏语情感分析研究现状第10-11页
    第四节 论文的研究内容第11-12页
    第五节 论文的组织结构第12-13页
第二章 相关理论基础和技术介绍第13-22页
    第一节 主要研究方法第13-14页
    第二节 特征表示方法第14页
    第三节 特征选择方法第14-17页
    第四节 权重计算方法第17-18页
    第五节 分类算法第18-21页
    第六节 本章小结第21-22页
第三章 情感词典及相关资源的构建第22-34页
    第一节 情感词典的构建第22-25页
    第二节 情感词典扩展第25-30页
        一、word2vec模型训练第25页
        二、情感词扩展第25-27页
        三、扩展情感词过滤第27-30页
    第三节 相关词典资源第30-33页
        一、程度副词词典第30-31页
        二、否定副词词典第31页
        三、连词词典第31-32页
        四、微博表情词典第32-33页
    第四节 本章小结第33-34页
第四章 情感分类算法第34-47页
    第一节 基于词典的情感分析第34-36页
        一、词典规则情感分析第34-35页
        二、基于词典和规则的实验结果与分析第35-36页
    第二节 基于序列规则的情感分析第36-40页
        一、序列化模型第36-38页
        二、藏语文本序列化分类第38页
        三、基于序列规则特征的情感分析实验结果与分析第38-40页
    第三节 基于藏语语义特征情感分类第40-44页
    第四节 基于微博表情的情感分类第44-46页
    第五节 本章小结第46-47页
第五章 多特征融合藏文微博的情感分类第47-53页
    第一节 微博的特点第47页
    第二节 实验数据第47-49页
    第三节 实验部分第49-52页
        一、评价指标第49页
        二、向量空间表示第49-50页
        三、实验结果与分析第50-52页
    第四节 本章小结第52-53页
第六章 总结和展望第53-55页
    第一节 总结第53-54页
    第二节 展望第54-55页
参考文献第55-60页
攻读学位期间科研成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于检查点优化的进程级容错系统设计与实现
下一篇:彩色图像颜色恒常性研究