新闻文本的读者情绪自动预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景、研究目的及意义 | 第9-10页 |
| 1.3 国内外相关技术发展现状 | 第10-13页 |
| 1.3.1 情绪的心理学研究 | 第10-11页 |
| 1.3.2 文本情绪分析研究 | 第11-12页 |
| 1.3.3 读者情绪自动预测研究 | 第12-13页 |
| 1.4 本文的主要研究内容和组织结构 | 第13-15页 |
| 第2章 文本情绪分析及相关技术概述 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 文本情绪分析相关研究 | 第15-17页 |
| 2.3 读者情绪预测相关研究 | 第17-19页 |
| 2.4 主题模型技术研究 | 第19-25页 |
| 2.4.1 主题模型相关技术 | 第19-22页 |
| 2.4.2 基于 LDA 的拓展模型研究 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于社会化标注的读者情绪语料库构建 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 读者情绪语料库的数据获取及净化 | 第26-28页 |
| 3.3 读者情绪的多标签处理方法 | 第28-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于词袋模型的读者情绪预测研究 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 基于词袋模型的单标签情绪预测 | 第33-37页 |
| 4.2.1 单标签情绪分类技术 | 第33-35页 |
| 4.2.2 单标签情绪预测实验结果及分析 | 第35-37页 |
| 4.3 基于词袋模型的多标签情绪预测 | 第37-42页 |
| 4.3.1 多标签情绪分类技术 | 第37-38页 |
| 4.3.2 多标签情绪分类实验结果及分析 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于主题模型的读者情绪预测研究 | 第43-52页 |
| 5.1 引言 | 第43页 |
| 5.2 基于 LDA 主题模型的读者情绪预测 | 第43-45页 |
| 5.3 基于有权重 LDA 模型的读者情绪预测 | 第45-47页 |
| 5.3.1 有权重的 LDA 模型介绍 | 第45-46页 |
| 5.3.2 有权重的 LDA 模型实验与结果分析 | 第46-47页 |
| 5.4 基于分块 LDA 模型的读者情绪预测 | 第47-51页 |
| 5.4.1 分块 LDA 模型介绍 | 第47-49页 |
| 5.4.2 分块 LDA 模型实验与结果分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
