话题区分的微博情感分析技术研究与实现
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 话题发现研究现状 | 第12-13页 |
| 1.2.2 微博情感分析研究现状 | 第13-14页 |
| 1.3 研究内容及创新点 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 第二章 话题发现及情感分析相关研究 | 第17-33页 |
| 2.1 经典文本聚类算法 | 第17-19页 |
| 2.1.1 单遍聚类算法 | 第17-18页 |
| 2.1.2 层次聚类算法 | 第18页 |
| 2.1.3 基于划分的聚类算法 | 第18-19页 |
| 2.1.4 基于密度的聚类算法 | 第19页 |
| 2.2 相关统计主题模型 | 第19-22页 |
| 2.2.1 向量空间模型 | 第19-20页 |
| 2.2.2 一元混合模型 | 第20-21页 |
| 2.2.3 LSI模型 | 第21页 |
| 2.2.4 PLSI模型 | 第21-22页 |
| 2.2.5 LDA模型 | 第22页 |
| 2.3 聚类有效性评价标准 | 第22-25页 |
| 2.3.1 外部评价法 | 第22-24页 |
| 2.3.2 内部评价法 | 第24页 |
| 2.3.3 相对评价法 | 第24-25页 |
| 2.4 传统的文本情感倾向判别方法 | 第25-27页 |
| 2.4.1 基于关键词统计的方法 | 第25-26页 |
| 2.4.2 基于极性累加的方法 | 第26-27页 |
| 2.5 文本情感分类算法 | 第27-31页 |
| 2.5.1 文本分类过程 | 第27-28页 |
| 2.5.2 文本特征选择 | 第28-30页 |
| 2.5.3 朴素贝叶斯算法 | 第30页 |
| 2.5.4 支持向量机算法 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 微博话题区分模型构建 | 第33-42页 |
| 3.1 微博特征提取 | 第33-34页 |
| 3.1.1 微博预处理 | 第33页 |
| 3.1.2 微博特征提取与表示 | 第33-34页 |
| 3.2 微博话题分类 | 第34-36页 |
| 3.3 微博话题识别 | 第36-38页 |
| 3.4 微博话题区分模型 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 中文微博情感分析模型构建 | 第42-55页 |
| 4.1 情感词典的构建与扩展 | 第42-45页 |
| 4.1.1 基础情感词典 | 第42页 |
| 4.1.2 扩展情感词典构建 | 第42-45页 |
| 4.2 微博新词的发现及倾向性判别 | 第45-48页 |
| 4.2.1 微博新词发现 | 第45-47页 |
| 4.2.2 微博新词倾向性判别 | 第47-48页 |
| 4.3 微博情感倾向分析 | 第48-53页 |
| 4.3.1 情感修饰成分提取 | 第48-49页 |
| 4.3.2 微博停用词表构建及情感词挖掘 | 第49-50页 |
| 4.3.3 情感短语搭配模式分析 | 第50-51页 |
| 4.3.4 微博情感倾向分析 | 第51-53页 |
| 4.4 基于支持向量机的微博倾向性二次分类 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 实验结果及分析 | 第55-66页 |
| 5.1 实验数据集 | 第55页 |
| 5.2 实验结果及分析 | 第55-65页 |
| 5.2.1 微博聚类有效性评价实验 | 第55-57页 |
| 5.2.2 未知情感词语的倾向性判别实验 | 第57-58页 |
| 5.2.3 微博话题区分实验 | 第58-62页 |
| 5.2.4 微博情感倾向分析实验 | 第62-63页 |
| 5.2.5 话题区分的微博倾向性判别实验 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 下一步工作与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者在学期间取得的学术成果 | 第73页 |
