基于文本分类的微博情感倾向研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状及面临的挑战 | 第11-15页 |
| ·情感挖掘研究现状 | 第12-14页 |
| ·文本分类研究现状 | 第14-15页 |
| ·面临挑战 | 第15页 |
| ·主要研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 2 文本分类及情感挖掘分析 | 第17-28页 |
| ·情感挖掘概述 | 第17-18页 |
| ·文本分类概述 | 第18-20页 |
| ·文本分类算法 | 第20-27页 |
| ·k最近邻算法 | 第21-22页 |
| ·最大熵 | 第22-23页 |
| ·支持向量机SVM | 第23-24页 |
| ·决策树 | 第24-25页 |
| ·Apriori算法 | 第25-26页 |
| ·人工神经网络算法 | 第26-27页 |
| ·各分类算法比较 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 基于主题--情感关联的k最近邻算法 | 第28-39页 |
| ·传统k最近邻算法基本原理 | 第28-30页 |
| ·基本原理 | 第28-29页 |
| ·在文本分类中的应用 | 第29-30页 |
| ·k最近邻算法研究现状 | 第30-31页 |
| ·基于主题--情感关联的k最近邻算法 | 第31-34页 |
| ·算法思想 | 第31-33页 |
| ·算法描述 | 第33-34页 |
| ·基于TE-KNN的文本分类实验 | 第34-38页 |
| ·实验设计 | 第34-35页 |
| ·实验分析 | 第35页 |
| ·对比实验 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于TE-KNN算法的微博情感倾向挖掘 | 第39-53页 |
| ·微博数据预处理 | 第39-46页 |
| ·微博信息采集 | 第39-41页 |
| ·微博文本预处理 | 第41-44页 |
| ·文本情感分类预处理 | 第44-46页 |
| ·TE-KNN算法在微博情感倾向分类中的应用 | 第46页 |
| ·实验设计 | 第46-47页 |
| ·实验环境与实验数据集 | 第46-47页 |
| ·数据预处理 | 第47页 |
| ·实验结果 | 第47页 |
| ·对比实验 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 5 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·下一步工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录：作者攻读硕士学位期间发表论文及科研情况 | 第58-59页 |
| 致谢 | 第59页 |
