中文微博情感分类的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究目标与研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第2章 中文微博情感分类的相关技术介绍 | 第15-25页 |
| 2.1 文本预处理技术 | 第15-16页 |
| 2.2 文本表示模型 | 第16-17页 |
| 2.3 特征选择与特征权值计算 | 第17-19页 |
| 2.3.1 特征选择方法 | 第17-19页 |
| 2.3.2 特征权值的计算方法 | 第19页 |
| 2.4 文本分类算法 | 第19-23页 |
| 2.4.1 基于朴素贝叶斯的分类算法 | 第20页 |
| 2.4.2 基于k-近邻的分类算法 | 第20-21页 |
| 2.4.3 基于支持向量机的分类算法 | 第21-23页 |
| 2.5 微博情感分类的特点与难点 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 微博数据采集与提取 | 第25-35页 |
| 3.1 微博数据的采集 | 第25-31页 |
| 3.1.1 基于微博开放平台API的数据获取 | 第25-27页 |
| 3.1.2 基于模拟登录的微博搜索页面采集 | 第27-31页 |
| 3.2 微博数据的提取 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于情感线索特征的微博情感分类 | 第35-49页 |
| 4.1 微博情感词典的构建 | 第35-39页 |
| 4.1.1 基础情感词典的构建 | 第35-36页 |
| 4.1.2 微博网络情感词典的构建 | 第36-37页 |
| 4.1.3 表情符号情感词典的构建 | 第37-38页 |
| 4.1.4 程度副词词表 | 第38-39页 |
| 4.2 分类特征的选取与分析 | 第39-42页 |
| 4.2.1 基础特征集合的构建与分析 | 第39-40页 |
| 4.2.2 一元表情符号特征 | 第40页 |
| 4.2.3 一元情感词汇特征 | 第40-42页 |
| 4.3 基于svm的情感多分类策略 | 第42-43页 |
| 4.4 实验设计与结果分析 | 第43-48页 |
| 4.4.1 实验设计 | 第44-45页 |
| 4.4.2 实验评价指标 | 第45页 |
| 4.4.3 实验结果 | 第45-48页 |
| 4.4.4 实验分析 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 酒店微博情感分类系统的设计与实现 | 第49-69页 |
| 5.1 需求分析 | 第49-52页 |
| 5.1.1 用户特点描述 | 第49页 |
| 5.1.2 系统设计目标 | 第49-50页 |
| 5.1.3 系统的功能需求 | 第50-51页 |
| 5.1.4 系统的非功能性需求 | 第51-52页 |
| 5.2 系统架构设计 | 第52-53页 |
| 5.3 系统数据库设计 | 第53-55页 |
| 5.4 系统详细设计与实现 | 第55-59页 |
| 5.4.1 情感分类模块 | 第55-56页 |
| 5.4.2 时间轴评论统计模块 | 第56-57页 |
| 5.4.3 用户反馈模块 | 第57-58页 |
| 5.4.4 微博话题数据获取 | 第58-59页 |
| 5.5 分类模型的生成 | 第59-61页 |
| 5.6 系统展示与测试 | 第61-67页 |
| 5.6.1 系统主要功能的展示 | 第61-65页 |
| 5.6.2 系统功能测试 | 第65-67页 |
| 5.7 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 致谢 | 第77页 |
