基于情感分类的微博主题挖掘算法的研究及应用
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·主要研究内容 | 第14-15页 |
| ·本论文结构 | 第15-17页 |
| 2 情感分类与微博主题挖掘的相关技术 | 第17-23页 |
| ·研究意义 | 第17页 |
| ·微博的特点和功能 | 第17-18页 |
| ·预处理技术 | 第18-19页 |
| ·中文分词技术 | 第18页 |
| ·词典匹配分词技术 | 第18-19页 |
| ·分词工具 | 第19页 |
| ·情感特征的抽取方法 | 第19页 |
| ·情感词典的特征抽取 | 第19页 |
| ·表情符号的抽取 | 第19页 |
| ·情感分析相关技术 | 第19-21页 |
| ·微博单词极性分析 | 第20页 |
| ·微博全文情感极性的分析 | 第20-21页 |
| ·主题挖掘 | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 3 中文微博情感分析 | 第23-30页 |
| ·研究意义 | 第23-24页 |
| ·情感分类 | 第24-25页 |
| ·具体实现 | 第25-28页 |
| ·预处理模块 | 第26页 |
| ·情感特征抽取模块 | 第26-27页 |
| ·构造特征向量 | 第27-28页 |
| ·实验结果与分析 | 第28-29页 |
| ·本章总结 | 第29-30页 |
| 4 基于情感分类的微博主题挖掘 | 第30-40页 |
| ·LDA模型 | 第30-32页 |
| ·LDA的模型表示和生成 | 第30-31页 |
| ·符号和定义 | 第31-32页 |
| ·Gibbs抽样 | 第32-33页 |
| ·基于情感分类的微博主题挖掘模型SC-LDA | 第33-34页 |
| ·仿真实验及结果分析 | 第34-39页 |
| ·SC-LDA模型对测试集的大小不敏感 | 第35-37页 |
| ·SC-LDA模型对数据源的来源不敏感 | 第37-38页 |
| ·验证SC-LDA方法的有效性 | 第38-39页 |
| ·本章总结 | 第39-40页 |
| 5 SC-LDA算法系统实现 | 第40-47页 |
| ·系统功能模块构成 | 第40页 |
| ·系统的框架结构 | 第40-41页 |
| ·系统具体实现 | 第41-46页 |
| ·系统开发平台 | 第42-43页 |
| ·预处理模块 | 第43-44页 |
| ·情感分类模块 | 第44-45页 |
| ·主题挖掘模块 | 第45-46页 |
| ·本章总结 | 第46-47页 |
| 6 结论与展望 | 第47-50页 |
| ·论文工作总结 | 第47-48页 |
| ·论文展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 附录A | 第53-54页 |
| 致谢 | 第54-55页 |
