| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究内容与意义 | 第9-10页 |
| 1.3 论文结构 | 第10-12页 |
| 第二章 相关研究 | 第12-24页 |
| 2.1 情感分析的研究 | 第12-16页 |
| 2.1.1 情感分析的研究现状 | 第12-13页 |
| 2.1.2 情感分类 | 第13-16页 |
| 2.2 用户行为的研究 | 第16-18页 |
| 2.2.1 用户采纳与持续使用行为 | 第16-17页 |
| 2.2.2 网络用户个体行为 | 第17-18页 |
| 2.2.3 网络用户群体行为 | 第18页 |
| 2.3 社交网络的研究 | 第18-22页 |
| 2.3.1 社交网络的理论基础 | 第19页 |
| 2.3.2 社交网络的表示 | 第19-21页 |
| 2.3.3 社交网络的组成元素 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 用户行为特征提取 | 第24-38页 |
| 3.1 数据获取 | 第24-26页 |
| 3.2 数据预处理 | 第26-27页 |
| 3.2.1 数据清洗 | 第26页 |
| 3.2.2 属性划分与筛选 | 第26-27页 |
| 3.3 情感计算与标注 | 第27-29页 |
| 3.4 用户行为特征提取 | 第29-37页 |
| 3.4.1 社交网络中的用户行为 | 第29-30页 |
| 3.4.2 用户行为的提取与定义 | 第30-35页 |
| 3.4.3 数据形式化 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 用户行为与情感倾向关联分析 | 第38-44页 |
| 4.1 统计分析 | 第38-39页 |
| 4.2 关联规则挖掘 | 第39-43页 |
| 4.2.1 基本原理 | 第40页 |
| 4.2.2 使用Apriori算法进行关联规则挖掘 | 第40-41页 |
| 4.2.3 关联规则挖掘结果 | 第41-43页 |
| 4.3 结果分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于用户行为特征的情感分类 | 第44-58页 |
| 5.1 分类 | 第44-48页 |
| 5.1.1 基本原理 | 第44-45页 |
| 5.1.2 相关算法 | 第45-46页 |
| 5.1.3 分类器验证方法 | 第46-48页 |
| 5.2 贝叶斯分类器的研究 | 第48-51页 |
| 5.2.1 概率论基础 | 第48-49页 |
| 5.2.2 贝叶斯分类器 | 第49-51页 |
| 5.3 决策树分类器的研究 | 第51-54页 |
| 5.3.1 信息论基础 | 第52页 |
| 5.3.2 剪枝 | 第52-53页 |
| 5.3.3 决策树分类器 | 第53-54页 |
| 5.4 分类器构建与验证 | 第54-57页 |
| 5.4.1 使用朴素贝叶斯算法 | 第54-55页 |
| 5.4.2 使用C4.5决策树方法 | 第55-57页 |
| 5.4.3 结果分析 | 第57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者攻读学位期间发表的学术论文目录 | 第66页 |