基于混合语言模型的新浪微博情感分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 研究现状 | 第8-15页 |
| 1.3 技术难点与研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 2 相关理论与技术 | 第18-24页 |
| 2.1 情感分析相关理论 | 第18-19页 |
| 2.2 文本量化过程 | 第19-21页 |
| 2.3 机器学习分类算法 | 第21-22页 |
| 2.4 常见评价指标 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于混合语言模型的新浪微博情感分类 | 第24-32页 |
| 3.1 语言模型 | 第24-26页 |
| 3.2 混合语言模型 | 第26-28页 |
| 3.3 基于混合语言模型的新浪微博情感分类 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于似然比检验的新浪微博新词发现 | 第32-40页 |
| 4.1 似然比检验 | 第32-34页 |
| 4.2 点对互信息 | 第34页 |
| 4.3 邻接熵 | 第34-35页 |
| 4.4 基于似然比检验的新浪微博新词发现方法 | 第35-39页 |
| 4.5 本章小结 | 第39-40页 |
| 5 算法实现与结果分析 | 第40-56页 |
| 5.1 语料建立 | 第40-45页 |
| 5.2 语料预处理 | 第45-46页 |
| 5.3 实验平台和工具 | 第46-48页 |
| 5.4 实验结果分析 | 第48-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-59页 |
| 6.1 本文总结 | 第56-57页 |
| 6.2 未来展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |