首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于文本挖掘的社交网络抑郁用户检测

摘要第7-8页
abstract第8-9页
1 绪论第10-19页
    1.1 研究背景与意义第10-12页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 抑郁症相关研究第12页
        1.2.2 利用计算机技术进行抑郁检测的研究第12-15页
    1.3 本文研究内容第15-16页
    1.4 本文创新点第16-17页
    1.5 论文结构安排第17-19页
2 相关理论与技术介绍第19-28页
    2.1 爬虫技术介绍第19-22页
        2.1.1 爬虫原理介绍第19-21页
        2.1.2 爬虫技术现状第21-22页
    2.2 文本表示模型第22-27页
        2.2.1 向量空间模型第22-24页
        2.2.2 主题模型第24-25页
        2.2.3 词向量模型第25-27页
    2.3 本章小结第27-28页
3 准私密社交网络文本数据检测抑郁用户的可行性分析第28-46页
    3.1 引言第28-29页
    3.2 数据采集与预处理第29-32页
        3.2.1 数据采集第30-32页
        3.2.2 数据预处理第32页
    3.3 候选特征抽取第32-34页
        3.3.1 行为特征抽取第33-34页
        3.3.2 语言特征抽取第34页
    3.4 不同因素对抑郁用户检测的影响第34-38页
        3.4.1 特征量化方法第34-35页
        3.4.2 样本选择方式第35-36页
        3.4.3 分类模型的选择第36-38页
    3.5 特征选择第38-39页
    3.6 实验分析第39-44页
        3.6.1 评测指标第39-40页
        3.6.2 实验结果及分析第40-44页
    3.7 本章小结第44-46页
4 基于文本特征的社交网络抑郁用户检测第46-56页
    4.1 引言第46-47页
    4.2 文本特征抽取第47-51页
        4.2.1 词袋特征提取第47-48页
        4.2.2 主题特征抽取第48-49页
        4.2.3 词向量特征抽取第49-51页
    4.3 实验评测第51-55页
        4.3.1 参数设置第51-52页
        4.3.2 实验结果与分析第52-54页
        4.3.3 与相关文献的对比分析第54-55页
    4.4 本章小结第55-56页
5 总结与展望第56-58页
    5.1 本文工作总结第56页
    5.2 未来的工作展望第56-58页
参考文献第58-62页
攻读硕士学位期间发表论文及其他成果第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:基于垂直搜索的查询需求识别系统的设计与实现
下一篇:H集团ERP项目风险管理研究