针对网络舆情热点信息的文本情感倾向分析研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-21页 |
| ·选题背景及意义 | 第9-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·网络舆情研究现状 | 第12-13页 |
| ·文本情感倾向分析研究 | 第13-17页 |
| ·本文主要工作及创新点 | 第17-19页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的创新点 | 第18-19页 |
| ·论文组织结构 | 第19-21页 |
| 2 文本情感倾向分析简述 | 第21-31页 |
| ·文本情感倾向性研究 | 第21-23页 |
| ·文本情感倾向性研究 | 第21-22页 |
| ·文本情感倾向性研究方法 | 第22-23页 |
| ·基于机器学习的文本分类概述 | 第23-24页 |
| ·机器学习概述 | 第23页 |
| ·机器学习分类原理与过程 | 第23-24页 |
| ·文本倾向性分类技术 | 第24-28页 |
| ·支持向量机 | 第24-26页 |
| ·朴素贝叶斯 | 第26-27页 |
| ·K阶近邻 | 第27-28页 |
| ·模型评价指标 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 文本情感分类预处理技术 | 第31-42页 |
| ·热点事件的选择 | 第31页 |
| ·网络舆情热点信息采集 | 第31-33页 |
| ·语料集的预处理 | 第33-37页 |
| ·中文分词 | 第33-36页 |
| ·停用词处理 | 第36-37页 |
| ·文本表示方法 | 第37-41页 |
| ·文本特征选择方法 | 第37-39页 |
| ·文本特征权重计算 | 第39-40页 |
| ·向量空间模型 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 文本情感倾向分类比较实验 | 第42-50页 |
| ·实验数据准备 | 第42-43页 |
| ·实验语料爬取及人工标注 | 第42-43页 |
| ·K折交叉验证 | 第43页 |
| ·实验步骤 | 第43-44页 |
| ·特征词数量对比实验 | 第44-45页 |
| ·训练集正反评论集数量对比实验 | 第45-46页 |
| ·三种机器学习方法对比 | 第46-48页 |
| ·支持向量机分类实验 | 第46-47页 |
| ·朴素贝叶斯分类实验 | 第47页 |
| ·KNN分类实验 | 第47-48页 |
| ·实验结果分析 | 第48页 |
| ·本章小结 | 第48-50页 |
| 5 网络舆情热点信息情感倾向分析应用实例 | 第50-60页 |
| ·研究背景情况 | 第50页 |
| ·网络舆情热点信息情感倾向分析实例 | 第50-56页 |
| ·实验的语料准备 | 第50-52页 |
| ·基于SVM的情感倾向分类方法 | 第52-54页 |
| ·电子商务价格战情感倾向分析 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·提出建议 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 后记 | 第67-68页 |
