| 摘要 | 第2-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景与目的 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.3 研究创新点 | 第22-23页 |
| 1.4 论文组织框架 | 第23-25页 |
| 第二章 相关理论概念 | 第25-29页 |
| 2.1 短文本情感分析 | 第25-27页 |
| 2.2 话语模式研究 | 第27-29页 |
| 第三章 在线音乐社区短文本评论及用户特征数据获取及预处理 | 第29-37页 |
| 3.1 评论文本数据获取 | 第29-33页 |
| 3.2 评论文本数据预处理 | 第33-34页 |
| 3.3 在线音乐社区评论文本特征分析 | 第34-37页 |
| 第四章 在线音乐社区用户话语模式及整体氛围分析 | 第37-59页 |
| 4.1 在线音乐社区不同特征用户群评论话语模式分析 | 第37-51页 |
| 4.1.1 评论主体和评论客体特征分类 | 第37-38页 |
| 4.1.2 不同特征用户群的评论话语模式模型构建 | 第38-41页 |
| 4.1.3 不同年龄段用户群评论分析 | 第41-45页 |
| 4.1.4 不同性别用户群评论分析 | 第45-48页 |
| 4.1.5 不同地域用户群评论分析 | 第48-51页 |
| 4.2 不同在线音乐社区评论整体氛围分析 | 第51-56页 |
| 4.2.1 不同音乐社区评论词频与词性分析 | 第51-53页 |
| 4.2.2 不同音乐社区评论引用歌手与歌词分析 | 第53-54页 |
| 4.2.3 不同音乐社区活跃度与活跃时间分析 | 第54-56页 |
| 4.3 本章小结 | 第56-59页 |
| 第五章 在线音乐社区评论文本的情感氛围分析 | 第59-75页 |
| 5.1 基于LSTM模型的正负情感分类分析 | 第59-67页 |
| 5.1.1 LSTM模型介绍 | 第59-62页 |
| 5.1.2 正负情感分类模型设计 | 第62-63页 |
| 5.1.3 正负情感分类实验结果和分析 | 第63-67页 |
| 5.2 基于多分类机器学习算法的负面情感细分分析 | 第67-73页 |
| 5.2.1 负面情感细分类模型的构建 | 第67-69页 |
| 5.2.2 负面情感细分实验结果和分析 | 第69-73页 |
| 5.3 本章小结 | 第73-75页 |
| 第六章 结论及展望 | 第75-79页 |
| 6.1 研究结论 | 第75-76页 |
| 6.2 研究局限 | 第76-77页 |
| 6.3 研究展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 附录1 攻读硕士学位期间参与项目 | 第85-87页 |
| 致谢 | 第87-88页 |