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

基于维度判别的文本情感聚类方法研究

中文摘要第1-10页
ABSTRACT第10-12页
第一章 绪论第12-18页
   ·研究背景、目的及意义第12-13页
   ·国内外研究现状第13-16页
     ·文本情感分析的研究现状第13-14页
     ·文本情感聚类的研究现状第14-16页
   ·本文主要研究内容第16-17页
   ·论文的组织结构第17-18页
第二章 实验语料及文本聚类评价指标第18-24页
   ·实验语料及预处理第18-21页
     ·实验语料第18-19页
     ·语料预处理第19页
     ·语料分析第19-21页
   ·情感聚类算法及其评价指标第21-22页
     ·情感聚类算法第21页
     ·聚类性能评价指标第21-22页
   ·本章小结第22-24页
第三章 情感聚类的维度判别方法DIMSC第24-36页
   ·情感维度确定的框架第24页
   ·原始特征空间的构建第24-25页
   ·特征空间的压缩第25-27页
     ·拉普拉斯矩阵第26页
     ·维度产生及其形式化表示第26-27页
     ·维度特征化表示算法第27页
   ·情感空间的构建第27-30页
     ·基于语料库的观点词识别第28页
     ·情感维度的确定第28-29页
     ·基于观点词抽取的维度确定算法第29-30页
   ·实验及结果分析第30-34页
     ·参数选择第30-31页
     ·情感维度判别第31-33页
     ·四种情感聚类方法比较第33-34页
   ·本章小结第34-36页
第四章 基于RESS与DIMSC融合的情感聚类方法第36-48页
   ·词语相关度第36-37页
   ·基于相关性的文本相似度计算第37-38页
     ·文本相关性子空间(RSSV)第37页
     ·文本相似度计算第37-38页
   ·基于情感向量的文本情感相似度计算第38-39页
     ·情感特征集第38页
     ·文本情感子空间(ESSV)及文本情感相似度计算第38-39页
   ·基于RSSV和ESSV融合的文本语义相似度计算(RESS)第39页
   ·基于RESS与DIMSC融合的文本情感聚类第39-41页
   ·实验及结果分析第41-45页
     ·参数确定第41-43页
     ·基于语义子空间的情感聚类结果第43-44页
     ·基于RESS与DIMSC融合的情感聚类结果第44-45页
   ·本章小结第45-48页
第五章 结论与展望第48-50页
   ·结论第48页
   ·展望第48-50页
参考文献第50-54页
攻读学位期间取得的研究成果第54-56页
致谢第56-58页
个人简况及联系方式第58-60页
承诺书第60-62页

论文共62页,点击 下载论文
上一篇:评价要素的缺省识别与恢复方法研究
下一篇:基于Hadoop的孤立点检测算法研究