面向社交网络文本的情感分析方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 文本情感分析 | 第10-12页 |
| 1.2.2 微博情感分析 | 第12-13页 |
| 1.2.3 跨领域情感分析 | 第13-14页 |
| 1.3 本文工作 | 第14-15页 |
| 1.4 本文结构 | 第15-17页 |
| 2 相关技术 | 第17-23页 |
| 2.1 逻辑回归模型 | 第17-18页 |
| 2.1.1 二项逻辑回归模型 | 第17-18页 |
| 2.1.2 多项逻辑回归模型 | 第18页 |
| 2.2 受限玻尔兹曼机 | 第18-20页 |
| 2.2.1 模型简介 | 第18-19页 |
| 2.2.2 对比散度算法 | 第19-20页 |
| 2.3 集成学习 | 第20-21页 |
| 2.4 支持向量机 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于图排序模型的微博情感分析 | 第23-32页 |
| 3.1 问题引出 | 第23页 |
| 3.2 算法设计 | 第23-27页 |
| 3.2.1 基于表情符号的语料标注方法 | 第23-24页 |
| 3.2.2 基于上下文关系构建邻接关系图 | 第24-26页 |
| 3.2.3 基于RBM抽取特征表示的方法 | 第26-27页 |
| 3.2.4 基于图排序模型的情感分析方法 | 第27页 |
| 3.3 实验结果及分析 | 第27-30页 |
| 3.3.1 数据集与预处理 | 第27-28页 |
| 3.3.2 实验设置 | 第28页 |
| 3.3.3 实验结果分析 | 第28-30页 |
| 3.4 本章小结 | 第30-32页 |
| 4 基于情感关键句抽取的跨领域情感分析 | 第32-43页 |
| 4.1 问题引出 | 第32页 |
| 4.2 算法设计 | 第32-37页 |
| 4.2.1 相关概念介绍 | 第32-33页 |
| 4.2.2 情感关键句抽取算法 | 第33-37页 |
| 4.2.3 视图集成 | 第37页 |
| 4.3 实验结果及分析 | 第37-41页 |
| 4.3.1 数据集与预处理 | 第37-38页 |
| 4.3.2 对比试验 | 第38-39页 |
| 4.3.3 实验分析 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50-51页 |
