| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究意义及目的 | 第13-14页 |
| 1.2 本文贡献 | 第14-16页 |
| 1.2.1 运用半监督学习模型进行微博情感分析 | 第14-15页 |
| 1.2.2 运用迁移学习模型进行微博情感分析 | 第15-16页 |
| 1.3 论文安排 | 第16-17页 |
| 1.4 本章小结 | 第17-19页 |
| 第二章 综述 | 第19-25页 |
| 2.1 传统情感分析模型 | 第19-20页 |
| 2.2 微博情感分析模型 | 第20-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 半监督学习模型SSA-ST | 第25-43页 |
| 3.1 标记符号与预备知识 | 第25-27页 |
| 3.1.1 标记符号 | 第25-26页 |
| 3.1.2 监督学习模型SANT | 第26-27页 |
| 3.2 构建半监督学习模型 | 第27-31页 |
| 3.2.1 结合文本相似度 | 第28-29页 |
| 3.2.2 结合社交关系 | 第29-30页 |
| 3.2.3 结合文本相似度与社交关系 | 第30页 |
| 3.2.4 模型学习 | 第30-31页 |
| 3.3 实验分析 | 第31-41页 |
| 3.3.1 数据集和数据分析 | 第32-35页 |
| 3.3.2 实验设定 | 第35-36页 |
| 3.3.3 与监督学习模型SANT的比较 | 第36-39页 |
| 3.3.4 与无监督学习模型Lex Ratio的比较 | 第39-40页 |
| 3.3.5 超参数敏感性分析 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 迁移学习模型TSA-LW | 第43-59页 |
| 4.1 标记符号和预备知识 | 第43-45页 |
| 4.1.1 标记符号 | 第43-44页 |
| 4.1.2 逻辑回归模型 | 第44-45页 |
| 4.2 构建迁移学习模型 | 第45-50页 |
| 4.2.1 建模 | 第45-47页 |
| 4.2.2 模型学习 | 第47-49页 |
| 4.2.3 复杂度分析 | 第49-50页 |
| 4.3 实验分析 | 第50-56页 |
| 4.3.1 数据集 | 第50-51页 |
| 4.3.2 实验设定 | 第51页 |
| 4.3.3 与监督学习模型的比较 | 第51-53页 |
| 4.3.4 与无监督学习模型的比较 | 第53-54页 |
| 4.3.5 特征选择结果分析 | 第54页 |
| 4.3.6 超参数敏感性分析 | 第54-55页 |
| 4.3.7 个案研究 | 第55-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第五章 全文总结 | 第59-63页 |
| 5.1 主要结论 | 第59-61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |
| 攻读学位期间参与的项目 | 第71-73页 |