社交网络用户的心理预测与心理信息应用
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-21页 |
| ·选题背景及意义 | 第9-10页 |
| ·心理指标概述 | 第10-12页 |
| ·人格 | 第10-11页 |
| ·心理健康 | 第11页 |
| ·幸福感 | 第11-12页 |
| ·自杀意念 | 第12页 |
| ·国内外研究现状 | 第12-19页 |
| ·数据获取 | 第12-15页 |
| ·网络心理学 | 第15-16页 |
| ·社交网络用户心理指标预测 | 第16-18页 |
| ·社交网络特征提取 | 第18-19页 |
| ·章节安排 | 第19-21页 |
| 第二章 课题分析与实验方案设计 | 第21-29页 |
| ·现有基础 | 第21-25页 |
| ·心理数据资源 | 第21-24页 |
| ·社交网络数据资源 | 第24页 |
| ·计算资源 | 第24-25页 |
| ·拟解决的问题 | 第25-27页 |
| ·特征工程 | 第25页 |
| ·中文文本提取主题特征 | 第25-26页 |
| ·分析计算程序 | 第26-27页 |
| ·展示方法 | 第27页 |
| ·总体框架 | 第27-29页 |
| 第三章 微博文本特征分析与处理 | 第29-39页 |
| ·新浪微博特征分析 | 第29页 |
| ·新浪微博文本统计分析 | 第29-34页 |
| ·新浪微博文本预处理 | 第34-39页 |
| ·中文文本处理 | 第34-35页 |
| ·中文分词 | 第35-37页 |
| ·噪音处理 | 第37-39页 |
| 第四章 微博文本主题特征提取 | 第39-45页 |
| ·LDA算法简介 | 第39-40页 |
| ·适用于微博短文本的LDA算法变种 | 第40-41页 |
| ·主题特征提取程序 | 第41-42页 |
| ·主题模型参数调节 | 第42-45页 |
| 第五章 微博文本词典特征提取 | 第45-53页 |
| ·词典特征理论基础 | 第45页 |
| ·自杀专用词典 | 第45-50页 |
| ·词类设定和初版词典构建 | 第46-47页 |
| ·心理词典修订助手程序 | 第47-49页 |
| ·自杀词典的半自动扩展 | 第49-50页 |
| ·动态词典 | 第50页 |
| ·词典的效度验证 | 第50-51页 |
| ·文本的自杀词典特征提取和程序 | 第51-53页 |
| 第六章 预测模型与结果 | 第53-63页 |
| ·预测模型与心理指标分析预测评估系统 | 第53-56页 |
| ·主题特征的预测效果 | 第56-58页 |
| ·自杀词典特征的结果 | 第58-59页 |
| ·单条自杀微博预测的实现与展示 | 第59-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 附录 | 第73页 |
