针对网络舆情的情感倾向性研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-18页 |
| ·选题背景 | 第9页 |
| ·论文研究背景和意义 | 第9-11页 |
| ·国内外研究现状及评述 | 第11-16页 |
| ·文本情感倾向性研究现状 | 第11-13页 |
| ·网络舆情的相关研究现状 | 第13-15页 |
| ·国内外研究现状评述 | 第15-16页 |
| ·本文的主要研究内容和组织结构 | 第16-18页 |
| ·本文的组织结构 | 第16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 文本情感倾向性相关理论与技术 | 第18-26页 |
| ·文本情感倾向性的基本概念 | 第18-19页 |
| ·文本倾向性分析 | 第18-19页 |
| ·文本倾向性研究方法 | 第19页 |
| ·基于机器学习的文本分类概述 | 第19-21页 |
| ·基于机器学习的文本分类的原理 | 第19-20页 |
| ·基于机器学习的文本分类的过程 | 第20-21页 |
| ·基于机器学习的文本分类的算法 | 第21-24页 |
| ·支持向量机文本分类方法 | 第21-22页 |
| ·K 近邻文本分类方法 | 第22-23页 |
| ·N-gram 文本分类方法 | 第23-24页 |
| ·模型质量评价 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第3章 网络舆情语料库的建立 | 第26-34页 |
| ·网络舆情概述 | 第26-27页 |
| ·网络舆情的定义和特点 | 第26-27页 |
| ·网络舆情的主要传播途径 | 第27页 |
| ·舆情热点的选取原则 | 第27-29页 |
| ·网络舆情语料库的构建 | 第29-33页 |
| ·语料获取程序的设计与实现 | 第29页 |
| ·舆情语料的人工分类 | 第29-32页 |
| ·舆情语料的预处理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 网络舆情情感倾向性分析方法的对比研究 | 第34-44页 |
| ·基于支持向量机的网络舆情情感分析 | 第34-36页 |
| ·基于K 阶最近邻方法的网络舆情情感分析 | 第36-38页 |
| ·基于N-gram 方法的网络舆情情感分析 | 第38-39页 |
| ·三种方法对比分析结果 | 第39-40页 |
| ·训练集中评论的数量与分类准确率的关系 | 第40-41页 |
| ·训练集中正、反面评论数量与分类准确率的关系 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第5章 网络舆情情感倾向性分析的应用 | 第44-53页 |
| ·我国房地产网络舆情状况 | 第44-45页 |
| ·情感分析在房地产舆情中的应用 | 第45-50页 |
| ·房地产网络舆情语料准备 | 第45-47页 |
| ·基于SV M 的网络舆情的情感分析方法 | 第47-49页 |
| ·房地产舆情文本情感倾向性分类 | 第49-50页 |
| ·房地产网络舆情情感倾向分析 | 第50-52页 |
| ·房地产网络舆情分析 | 第50-52页 |
| ·网络舆情预警建议 | 第52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录1 | 第59-61页 |
| 附录2 | 第61-65页 |
| 致谢 | 第65页 |
