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 |