基于时序分析的移动用户情感预测研究与应用
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-21页 |
1.1 本文的研究背景和意义 | 第11-15页 |
1.2 国内外研究与应用现状 | 第15-18页 |
1.2.1 短文本情感分析研究现状 | 第15-17页 |
1.2.2 时间序列分析与预测的应用现状 | 第17-18页 |
1.3 主要研究内容 | 第18-20页 |
1.4 论文组织结构 | 第20-21页 |
第二章 短文本情感分析基础研究 | 第21-31页 |
2.1 情感划分 | 第21-23页 |
2.2 分词与预处理 | 第23-26页 |
2.2.1 分词词库与工具 | 第24-25页 |
2.2.2 停用词处理 | 第25页 |
2.2.3 未登录词处理 | 第25-26页 |
2.2.4 歧义处理 | 第26页 |
2.3 情感字典构建 | 第26-28页 |
2.3.1 基础情感字典的选择 | 第27页 |
2.3.2 情感极性与情感强度的计算 | 第27-28页 |
2.3.3 基于情感字典的短文本的情感分析方法 | 第28页 |
2.4 情感分析测评指标 | 第28-29页 |
2.5 本章小结 | 第29-31页 |
第三章 时间序列建模与分析研究 | 第31-43页 |
3.1 时间序列模型的理论基础 | 第31-34页 |
3.2 时间序列的预处理与模型识别 | 第34-38页 |
3.2.1 平稳性检验 | 第34-36页 |
3.2.2 差分处理与季节性调整 | 第36-37页 |
3.2.3 模型识别 | 第37-38页 |
3.3 模型的参数估计 | 第38-39页 |
3.3.1 样本参数估计 | 第38-39页 |
3.3.2 最小二乘法估计(LS估计) | 第39页 |
3.4 模型阶数的确定 | 第39-40页 |
3.4.1 准则函数定阶法 | 第39-40页 |
3.4.2 自回归逼近参数确定法 | 第40页 |
3.5 模型建立与检验 | 第40-41页 |
3.6 本章小结 | 第41-43页 |
第四章 基于时序分析的移动用户情感预测研究 | 第43-55页 |
4.1 移动用户情感趋势预测分析 | 第43-44页 |
4.2 情感字典的扩充 | 第44-47页 |
4.2.1 未登录词的筛选 | 第44-45页 |
4.2.2 语气词情感词典的构建 | 第45-46页 |
4.2.3 标点符号情感字典的构建 | 第46-47页 |
4.3 情感序列的预测方法 | 第47-48页 |
4.3.1 平滑处理 | 第47-48页 |
4.3.2 重采样处理 | 第48页 |
4.4 融入移动用户情感预测的表情符号推荐算法 | 第48-53页 |
4.4.1 表情符号推荐流程 | 第49-51页 |
4.4.2 表情符号-情感值矩阵计算 | 第51-53页 |
4.4.3 生成表情符号推荐列表 | 第53页 |
4.5 本章小结 | 第53-55页 |
第五章 情感预测分析在社交软件中的应用与测试 | 第55-83页 |
5.1 软件需求分析 | 第55-56页 |
5.2 软件开发环境分析 | 第56-60页 |
5.2.1 开发模式与开源工具包 | 第57-59页 |
5.2.2 集成开发环境与即时通讯云 | 第59-60页 |
5.3 详细设计 | 第60-69页 |
5.3.1 软件功能设计 | 第60-62页 |
5.3.2 软件功能流程 | 第62-66页 |
5.3.3 软件数据库表结构设计 | 第66-69页 |
5.4 算法实验测试与分析 | 第69-76页 |
5.4.1 数据集选择与实验方案确定 | 第69-70页 |
5.4.2 推荐准确度评价标准 | 第70页 |
5.4.3 扩充情感字典有效性实验 | 第70-71页 |
5.4.4 时序模型验证实验 | 第71-73页 |
5.4.5 表情符号推荐算法对比验证 | 第73-76页 |
5.5 软件功能模块实现与测试 | 第76-82页 |
5.5.1 用户管理模块功能实现和测试 | 第76-78页 |
5.5.2 用户好友管理模块实现和测试 | 第78-79页 |
5.5.3 会话管理模块的实现和测试 | 第79-80页 |
5.5.4 表情推荐模块的实现和测试 | 第80-82页 |
5.6 本章小结 | 第82-83页 |
总结与展望 | 第83-87页 |
总结 | 第83-84页 |
展望 | 第84-87页 |
参考文献 | 第87-92页 |
攻读硕士学位期间取得的科研成果 | 第92-93页 |
致谢 | 第93页 |