基于微博的情感倾向分析系统的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容及挑战 | 第11-12页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 面临的挑战 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 微博情感分析系统介绍 | 第13-25页 |
| 2.1 情感分系统概述 | 第13-15页 |
| 2.1.1 情感分析系统特点 | 第13-14页 |
| 2.1.2 子系统介绍 | 第14-15页 |
| 2.2 算法模型 | 第15-24页 |
| 2.2.1 SVM模型 | 第15-19页 |
| 2.2.2 朴素贝叶斯模型 | 第19-21页 |
| 2.2.3 Adaboost模型 | 第21-22页 |
| 2.2.4 神经网络模型 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 微博情感分析系统需求分析及总体设计 | 第25-33页 |
| 3.1 微博情感分析系统需求分析 | 第25-26页 |
| 3.2 微博情感分析系统整体架构 | 第26-27页 |
| 3.3 子系统功能及架构 | 第27-32页 |
| 3.3.1 爬虫系统功能及架构 | 第27-28页 |
| 3.3.2 数据预处理系统功能及架构 | 第28-29页 |
| 3.3.3 特征提取系统功能及架构 | 第29-30页 |
| 3.3.4 分类器功能及架构 | 第30-31页 |
| 3.3.5 展示系统功能及架构 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 微博情感分析系统设计与实现 | 第33-51页 |
| 4.1 微博情感分析系统整体实现 | 第33-34页 |
| 4.2 微博情感分析子系统实现 | 第34-50页 |
| 4.2.1 爬虫子系统 | 第34-38页 |
| 4.2.2 数据清洗子系统 | 第38-40页 |
| 4.2.3 特征提取子系统 | 第40-42页 |
| 4.2.4 训练子系统 | 第42-49页 |
| 4.2.5 预测子系统 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 微博情感分析系统测试 | 第51-60页 |
| 5.1 测试环境 | 第51-52页 |
| 5.1.1 硬件环境 | 第51页 |
| 5.1.2 软件环境 | 第51-52页 |
| 5.2 测试数据及结果 | 第52-56页 |
| 5.2.1 数据及格式 | 第52-54页 |
| 5.2.2 性能评估标准 | 第54页 |
| 5.2.3 测试结果 | 第54-56页 |
| 5.3 系统展示 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 结束语 | 第60-61页 |
| 6.1 论文总结 | 第60页 |
| 6.2 下一步研究工作 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 作者攻读学位期间发表的学术论文目录 | 第65页 |
