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--检索机论文

融入情感分析的社会化标注推荐研究

摘要第4-5页
Abstract第5-6页
1 绪论第10-27页
    1.1 研究背景及意义第10-13页
        1.1.1 研究背景第10-11页
        1.1.2 问题提出第11-12页
        1.1.3 研究意义第12-13页
    1.2 国内外研究综述第13-22页
        1.2.1 社会化标注相关研究综述第13-15页
        1.2.2 社会化标注中的推荐方法研究综述第15-19页
        1.2.3 情感分析相关研究综述第19-21页
        1.2.4 融入情感分析的推荐方法研究综述第21-22页
    1.3 研究内容、思路与方法第22-25页
        1.3.1 研究内容第22-24页
        1.3.2 研究思路与方法第24-25页
    1.4 论文结构安排第25-27页
2 理论基础和研究框架第27-41页
    2.1 社会化标注基本原理第27-30页
        2.1.1 社会化标注概述第27-28页
        2.1.2 社会化标签第28-29页
        2.1.3 社会化标注中的三元关系第29-30页
    2.2 情感分析基本原理第30-32页
        2.2.1 情感分析方法第30-31页
        2.2.2 SenticNet情感词库第31-32页
    2.3 推荐系统基本原理第32-37页
        2.3.1 推荐系统概述第32-33页
        2.3.2 基于内容推荐系统第33-35页
        2.3.3 协同过滤推荐系统第35-37页
    2.4 融入情感分析的社会化标注推荐研究框架第37-41页
        2.4.1 融入情感分析的社会化标注推荐概念第37-38页
        2.4.2 融入情感分析的社会化标注推荐研究框架第38-41页
3 标签情感分析第41-54页
    3.1 标签情感分析过程第41-42页
    3.2 标签预处理第42-43页
    3.3 标签概念抽取第43-44页
    3.4 标签情感识别与分析第44-51页
        3.4.1 情感描述方法第44-47页
        3.4.2 基于词库的情感识别和分析第47-49页
        3.4.3 计算机实现第49-51页
    3.5 标签情感分析示例第51-54页
4 融入情感分析的基于内容推荐方法第54-75页
    4.1 融入情感分析的基于内容推荐过程第54-56页
    4.2 语义概况模型构建第56-63页
        4.2.1 标签二元关系抽取第56-57页
        4.2.2 用户语义概况模型构建第57-61页
        4.2.3 资源语义概况模型构建第61-63页
    4.3 情感概况模型构建第63-65页
        4.3.1 用户情感概况模型构建第63-65页
        4.3.2 资源情感概况模型构建第65页
    4.4 融入情感分析的基于内容推荐方法第65-71页
        4.4.1 语义偏好和情感偏好获取第66-70页
        4.4.2 语义和情感融合的用户偏好获取第70-71页
        4.4.3 推荐列表获取第71页
    4.5 融入情感分析的基于内容推荐示例第71-75页
5 融入情感分析的协同过滤推荐方法第75-83页
    5.1 融入情感分析的协同过滤推荐过程第75-77页
    5.2 融入情感的用户邻居获取第77-79页
        5.2.1 语义相似性矩阵获取第77页
        5.2.2 情感相似性矩阵获取第77-78页
        5.2.3 用户邻居获取第78-79页
    5.3 融入情感的邻居偏好获取第79-80页
        5.3.1 邻居语义偏好矩阵获取第79页
        5.3.2 邻居情感偏好矩阵获取第79-80页
        5.3.3 融入情感的邻居偏好获取第80页
    5.4 推荐列表获取第80-81页
    5.5 融入情感分析的协同过滤推荐示例第81-83页
6 实证研究第83-97页
    6.1 实验数据集与基本统计第83-84页
    6.2 实验方案设计第84-87页
        6.2.1 评价指标构建第84-85页
        6.2.2 实验数据处理第85-87页
    6.3 实验开展流程第87-90页
        6.3.1 融入情感分析的基于内容推荐评估实验第87-89页
        6.3.2 融入情感分析的协同过滤推荐评估实验第89-90页
    6.4 实验结果与总结第90-97页
        6.4.1 融入情感分析的基于内容推荐实验结果第90-92页
        6.4.2 融入情感分析的协同过滤推荐实验结果第92-95页
        6.4.3 实验结果分析第95-97页
7 总结与展望第97-99页
    7.1 总结第97-98页
    7.2 展望第98-99页
参考文献第99-107页
攻读学位期间的研究成果第107-109页
致谢第109页

论文共109页,点击 下载论文
上一篇:基于多光源照明的低对比度冲压字符识别算法研究
下一篇:混合T2-DW磁共振成像的前列腺癌组织分类的研究