基于互联网文本的网络流行词提取与情感倾向分析
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 研究目标和内容 | 第13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 相关研究综述 | 第14-24页 |
| 2.1 信息论基础 | 第14-15页 |
| 2.2 新词识别技术 | 第15-16页 |
| 2.3 情感分析概述 | 第16-19页 |
| 2.3.1 情感信息分类 | 第16-17页 |
| 2.3.2 情感分析研究层次 | 第17-18页 |
| 2.3.3 情感词典构建 | 第18-19页 |
| 2.4 词向量 | 第19-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 网络流行词提取 | 第24-38页 |
| 3.1 网络流行词提取框架 | 第24页 |
| 3.2 网络流行词候选集构建 | 第24-29页 |
| 3.2.1 基于N-Gram切分的重复串提取 | 第24-26页 |
| 3.2.2 成词概率分析 | 第26-29页 |
| 3.3 网络流行词识别方法 | 第29-32页 |
| 3.3.1 网络流行词特征分析 | 第29-30页 |
| 3.3.2 基于动态特征的流行词识别 | 第30-31页 |
| 3.3.3 基于机器学习的流行词识别 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-37页 |
| 3.4.1 实验数据源 | 第32-34页 |
| 3.4.2 实验结果与分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 网络流行词情感分析 | 第38-47页 |
| 4.1 流行词情感倾向分析 | 第38-42页 |
| 4.1.1 基础模型 | 第38-39页 |
| 4.1.2 基于词向量的情感倾向分析 | 第39-42页 |
| 4.2 实验结果与分析 | 第42-45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47-48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 在校期间发表的论文和参加的科研项目 | 第53-54页 |
| 致谢 | 第54页 |
