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

情感语境中的微博舆情分析研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-16页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究综述第10-13页
        1.2.1 网络舆情研究第10-11页
        1.2.2 关键词提取技术研究第11-12页
        1.2.3 文本情感分析研究第12-13页
    1.3 研究内容及结构第13-16页
第二章 相关背景知识介绍第16-27页
    2.1 网络舆情相关概述第16-17页
        2.1.1 网络舆情的形成与发展第16页
        2.1.2 网络舆情的传播第16-17页
        2.1.3 基于文本的网络舆情分析第17页
    2.2 文本特征提取和关键词提取技术第17-20页
        2.2.1 Word2Vec的工作原理第17-18页
        2.2.2 基于TF-IDF的关键词提取技术第18-19页
        2.2.3 基于TextRank的关键词提取技术第19-20页
    2.3 基于情感词典的分类模型第20-21页
        2.3.1 分类模型原理第20页
        2.3.2 分类模型流程第20-21页
    2.4 基于机器学习的文本分类模型第21-26页
        2.4.1 支持向量机模型原理第21-23页
        2.4.2 XGBoost模型原理第23-26页
    2.5 本章小结第26-27页
第三章 微博短文本的关键词提取第27-35页
    3.1 关键词提取技术第27-29页
        3.1.1 TF-IDF算法原理第27-28页
        3.1.2 TextRank算法原理第28-29页
    3.2 基于TextRank的关键词生成方法第29-31页
        3.2.1 文本预处理第29-30页
        3.2.2 分词及去停用词第30页
        3.2.3 TextRank排序第30-31页
    3.3 微博文本关键词提取实证分析第31-34页
        3.3.1 数据集准备第31-32页
        3.3.2 数据预处理第32-33页
        3.3.3 关键词提取结果第33-34页
    3.4 本章小结第34-35页
第四章 基于情感词典的微博短文本舆情分析第35-45页
    4.1 微博情感词典构建第35-38页
        4.1.1 基础情感词典和网络情感词典第36-37页
        4.1.2 程度副词词典第37页
        4.1.3 否定词、连词词典第37-38页
        4.1.4 停用词词典第38页
    4.2 基于情感词典的微博短文本情感分类模型第38-39页
        4.2.1 文本预处理第38-39页
        4.2.2 构建基于情感词典的情感分类模型第39页
    4.3 模型有效性验证第39-42页
        4.3.1 实验设计第40-41页
        4.3.2 实验结果及分析第41-42页
    4.4 网络舆情事件实证分析第42-44页
        4.4.1 数据集准备第42页
        4.4.2 基于情感词典的微博短文本情感倾向分析第42-44页
    4.5 本章小结第44-45页
第五章 基于机器学习的微博短文本舆情分析第45-61页
    5.1 微博短文本的特征提取第45-47页
        5.1.1 文本预处理第45-46页
        5.1.2 基于Word2Vec的文本特征提取第46-47页
    5.2 基于XGBoost的微博短文本情感分类模型第47-50页
        5.2.1 构建基于XGBoost的情感分类模型第47-50页
        5.2.2 总体流程设计第50页
    5.3 模型有效性验证第50-59页
        5.3.1 实验设计第50-54页
        5.3.2 实验结果及分析第54-59页
    5.4 网络舆情事件实证分析第59-60页
        5.4.1 数据集准备第59-60页
        5.4.2 基于机器学习的微博短文本情感倾向分析第60页
    5.5 本章小结第60-61页
第六章 总结与展望第61-63页
    6.1 全文总结第61-62页
    6.2 研究展望第62-63页
参考文献第63-66页
附录1 攻读硕士学位期间撰写的论文第66-67页
附录2 攻读硕士学位期间参加的科研项目第67-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:基于关联规则挖掘的乳腺癌致病基因筛选
下一篇:基于主动轮廓模型的图像协同分割方法研究