微博话题的公众情感分析技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 论文背景及研究意义 | 第12-15页 |
| 1.1.1 论文背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状及存在问题 | 第15-22页 |
| 1.2.1 微博话题追踪现状 | 第15-17页 |
| 1.2.2 微博情感分析现状 | 第17-19页 |
| 1.2.3 微博话题公众情感分析现状 | 第19-21页 |
| 1.2.4 存在的问题与难点 | 第21-22页 |
| 1.3 研究内容与组织结构 | 第22-26页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 组织结构 | 第23-26页 |
| 第二章 基于词向量的微博话题追踪 | 第26-38页 |
| 2.1 研究基础 | 第26-29页 |
| 2.1.1 微博文本表示模型 | 第26-27页 |
| 2.1.2 基于文档分类的方法 | 第27-28页 |
| 2.1.3 基于查询向量的方法 | 第28-29页 |
| 2.2 基于词向量的微博话题追踪方法 | 第29-33页 |
| 2.2.1 原理分析和基本流程 | 第29-30页 |
| 2.2.2 训练词向量 | 第30-32页 |
| 2.2.3 建立初始话题和微博模糊集合 | 第32-33页 |
| 2.2.4 相似度计算和话题追踪 | 第33页 |
| 2.3 实验结果及分析 | 第33-36页 |
| 2.3.1 实验准备 | 第33-34页 |
| 2.3.2 实验设置与结果分析 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于BTM的无监督微博情感分析 | 第38-48页 |
| 3.1 研究基础 | 第38-41页 |
| 3.1.1 基于情感词典和规则的方法 | 第38-39页 |
| 3.1.2 基于机器学习的方法 | 第39-41页 |
| 3.1.3 BTM模型基础 | 第41页 |
| 3.2 基于BTM的无监督微博情感分析方法 | 第41-43页 |
| 3.2.1 基本流程 | 第41-42页 |
| 3.2.2 挖掘隐含主题 | 第42-43页 |
| 3.2.3 计算主题的情感分布 | 第43页 |
| 3.2.4 微博情感分析 | 第43页 |
| 3.3 实验结果及分析 | 第43-46页 |
| 3.3.1 实验准备 | 第43-44页 |
| 3.3.2 实验设置与结果分析 | 第44-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 微博话题公众情感分析 | 第48-62页 |
| 4.1 研究基础 | 第48-50页 |
| 4.2 微博话题公众情感分析方法 | 第50-54页 |
| 4.2.1 基本流程 | 第50-51页 |
| 4.2.2 抽取微博话题的正负面情感摘要 | 第51-52页 |
| 4.2.3 公众情感分析 | 第52-53页 |
| 4.2.4 公众情感引导 | 第53-54页 |
| 4.3 实验结果及分析 | 第54-60页 |
| 4.3.1 实验准备 | 第54-55页 |
| 4.3.2 实验设置与结果分析 | 第55-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第五章 微博话题公众情感分析引导系统 | 第62-66页 |
| 5.1 系统框架 | 第62页 |
| 5.2 系统功能 | 第62-64页 |
| 5.2.1 微博热点话题数据采集和情感分析 | 第63页 |
| 5.2.2 微博话题情感摘要和公众情感分析 | 第63-64页 |
| 5.2.3 微博话题公众情感引导 | 第64页 |
| 5.3 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文总结 | 第66-67页 |
| 6.2 下一步工作 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 作者简历 | 第76页 |
