基于词向量的微博用户抑郁预测方法研究
致谢 | 第7-8页 |
摘要 | 第8-9页 |
ABSTRACT | 第9页 |
第一章 绪论 | 第14-20页 |
1.1 研究背景 | 第14-15页 |
1.1.1 抑郁心理障碍介绍 | 第14-15页 |
1.2 研究意义 | 第15页 |
1.3 研究现状 | 第15-17页 |
1.3.1 情感分析研究现状 | 第15-16页 |
1.3.2 社交网络抑郁检测研究现状 | 第16-17页 |
1.4 本文主要工作 | 第17-19页 |
1.5 章节安排 | 第19-20页 |
第二章 概述 | 第20-31页 |
2.1 语言模型 | 第20页 |
2.2 词向量的表示形式 | 第20-24页 |
2.2.1 聚类表示形式 | 第21-22页 |
2.2.2 词-矩阵形式 | 第22页 |
2.2.3 神经网络语言模型 | 第22-24页 |
2.3 WORD2VEC模型 | 第24-27页 |
2.3.1 cbow模型 | 第24-25页 |
2.3.2 Skip-gram模型 | 第25-27页 |
2.4 本文使用分类器 | 第27-29页 |
2.4.1 支持向量机 | 第27页 |
2.4.2 逻辑回归 | 第27-28页 |
2.4.3 感知器神经网络 | 第28-29页 |
2.5 本文评价指标 | 第29-30页 |
2.6 本章小结 | 第30-31页 |
第三章 数据获取及数据处理 | 第31-40页 |
3.1 引言 | 第31页 |
3.2 抑郁和非抑郁用户的选取 | 第31-32页 |
3.3 数据获取及数据预处理 | 第32-34页 |
3.3.1 数据获取 | 第32-33页 |
3.3.2 数据清洗 | 第33-34页 |
3.4 词向量训练 | 第34-36页 |
3.4.1 文本分词 | 第34页 |
3.4.2 去除停用词 | 第34页 |
3.4.3 词向量参数设置 | 第34-35页 |
3.4.4 词向量语义 | 第35-36页 |
3.5 抑郁词典的构建 | 第36-39页 |
3.5.1 基础抑郁词典构建 | 第36-37页 |
3.5.2 相似度计算 | 第37页 |
3.5.3 抑郁词典扩展 | 第37-39页 |
3.6 本章小结 | 第39-40页 |
第四章 基于抑郁词典的抑郁预测模型 | 第40-48页 |
4.1 引言 | 第40页 |
4.2 特征定义 | 第40-42页 |
4.2.1 个人信息特征 | 第40-41页 |
4.2.2 语言特征 | 第41-42页 |
4.3 基于抑郁词典的预测模型构建 | 第42-44页 |
4.3.1 用户特征表示 | 第42页 |
4.3.2 特征选择 | 第42-44页 |
4.4 实验结果及分析 | 第44-47页 |
4.4.1 实验数据 | 第44页 |
4.4.2 实验环境 | 第44页 |
4.4.3 实验结果分析 | 第44-47页 |
4.5 本章小结 | 第47-48页 |
第五章 基于用户向量的抑郁预测模型构建 | 第48-57页 |
5.0 引言 | 第48页 |
5.1 用户向量分类流程 | 第48-49页 |
5.2 基于词向量的用户向量构造 | 第49-52页 |
5.2.1 TF-IDF加权词向量 | 第49-51页 |
5.2.2 最大池化特征提取 | 第51-52页 |
5.3 实验结果分析 | 第52-56页 |
5.4 本章小结 | 第56-57页 |
第六章 总结与展望 | 第57-59页 |
6.1 总结 | 第57页 |
6.2 未来展望 | 第57-59页 |
参考文献 | 第59-62页 |
攻读硕士学位期间的学术活动及成果情况 | 第62-63页 |