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

基于改进主题模型的微博短文本情感分析的研究

摘要第5-6页
Abstract第6页
缩略词表第12-13页
第一章 绪论第13-19页
    1.1 研究背景第13-14页
    1.2 相关研究现状第14-16页
        1.2.1 短文本主题模型研究现状第14-15页
        1.2.2 情感主题混合模型研究现状第15-16页
    1.3 研究内容与贡献第16-17页
        1.3.1 研究内容第16-17页
        1.3.2 贡献第17页
    1.4 本文结构安排第17-19页
第二章 背景知识第19-26页
    2.1 文本情感分析第19-20页
        2.1.1 文档级第19页
        2.1.2 句子级第19页
        2.1.3 侧面级第19-20页
    2.2 主题模型第20-25页
        2.2.1 PLSA与LDA第20-22页
        2.2.2 统计推断第22-24页
        2.2.3 模型评估方法第24-25页
        2.2.4 应用发展第25页
    2.3 本章小结第25-26页
第三章 相关主题模型研究第26-32页
    3.1 JST模型第26-28页
        3.1.1 JST模型动机第26页
        3.1.2 JST模型描述及结构第26-27页
        3.1.3 JST模型统计推断第27-28页
    3.2 ASUM模型第28-29页
        3.2.1 ASUM模型动机第28页
        3.2.2 ASUM模型描述及结构第28-29页
        3.2.3 ASUM模型统计推断第29页
    3.3 TS模型第29-31页
        3.3.1 TS模型动机第30页
        3.3.2 TS模型描述及结构第30-31页
        3.3.3 TS模型统计推断第31页
    3.4 本章小结第31-32页
第四章 情感主题混合模型TUS-LDA和WSM第32-44页
    4.1 TUS-LDA模型第32-37页
        4.1.1 模型动机第32-33页
        4.1.2 TUS-LDA描述及结构第33-35页
        4.1.3 TUS-LDA先验知识引入第35页
        4.1.4 TUS-LDA统计推断第35-37页
    4.2 WSM模型第37-42页
        4.2.1 模型动机第38-39页
        4.2.2 WSM描述及结构第39-40页
        4.2.3 WSM先验知识引入及参数含义第40-41页
        4.2.4 WSM统计推断第41-42页
    4.3 本章小结第42-44页
第五章 实验与评估第44-52页
    5.1 算法实现及实验运行环境第44页
    5.2 实验准备第44-46页
        5.2.1 实验数据第44-45页
        5.2.2 数据预处理第45页
        5.2.3 情感字典第45-46页
        5.2.4 模型参数设置第46页
    5.3 实验结果与分析第46-51页
        5.3.1 情感分类评估第46-47页
        5.3.2 情感相关的主题评估第47-51页
    5.4 本章小结第51-52页
第六章 系统设计与实现第52-57页
    6.1 系统框架设计第52-54页
        6.1.1 数据层第53页
        6.1.2 业务层第53页
        6.1.3 交互层第53-54页
    6.2 系统实现和界面展示第54-56页
        6.2.1 系统开发环境和工具第54页
        6.2.2 系统运行界面第54-56页
    6.3 本章小结第56-57页
第七章 总结与展望第57-59页
    7.1 工作总结第57-58页
    7.2 未来展望第58-59页
附录A 附录第59-63页
    A.1 WSM的联合概率分布第59-60页
    A.2 WSM的Gibbs采样公式的推导第60-62页
        A.2.1 整条博文采样第60-61页
        A.2.2 博文中的每个词采样第61-62页
    A.3 WSM参数估计第62-63页
致谢第63-64页
参考文献第64-67页
攻读硕士学位期间科研成果第67页

论文共67页,点击 下载论文
上一篇:出口条件对行人疏散的影响研究
下一篇:基于文本挖掘的电商用户评论分析与系统实现