摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第12-24页 |
1.1 课题背景及研究意义 | 第12-14页 |
1.1.1 课题背景 | 第12-14页 |
1.1.2 研究意义 | 第14页 |
1.2 相关研究现状 | 第14-20页 |
1.2.1 短文本聚类现状 | 第15-16页 |
1.2.2 短文本信息流的会话抽取现状 | 第16-18页 |
1.2.3 会话情感倾向性分析现状 | 第18-19页 |
1.2.4 短文本信息流中的用户建模现状 | 第19-20页 |
1.3 目前研究的问题和难点 | 第20-21页 |
1.4 论文的工作和组织 | 第21-24页 |
1.4.1 论文的主要工作 | 第21-22页 |
1.4.2 论文的组织结构 | 第22-24页 |
第二章 短文本聚类 | 第24-34页 |
2.1 词向量 | 第24-27页 |
2.1.1 词向量原理 | 第24-26页 |
2.1.2 词向量的性质 | 第26页 |
2.1.3 词向量在短文本聚类中的应用 | 第26-27页 |
2.2 改进的短文本层次聚类算法 | 第27-29页 |
2.2.1 层次聚类算法介绍 | 第27页 |
2.2.2 特征权重计算和关键词提取 | 第27-28页 |
2.2.3 类簇相似度计算 | 第28-29页 |
2.2.4 改进的短文本层次聚类算法流程 | 第29页 |
2.3 实验结果与性能分析 | 第29-33页 |
2.3.1 实验数据 | 第29-31页 |
2.3.2 评价指标 | 第31页 |
2.3.3 实验设置与结果分析 | 第31-33页 |
2.4 本章小结 | 第33-34页 |
第三章 短文本信息流的会话抽取 | 第34-48页 |
3.1 会话抽取方法简介 | 第34-36页 |
3.1.1 会话抽取的问题描述 | 第34-35页 |
3.1.2 Single-Pass聚类算法介绍 | 第35页 |
3.1.3 基于Single-Pass聚类算法的会话抽取方法 | 第35-36页 |
3.2 会话分割 | 第36-40页 |
3.2.1 信息的内容相关度 | 第37页 |
3.2.2 信息的时间间隔 | 第37-39页 |
3.2.3 用户亲密程度 | 第39-40页 |
3.3 会话片段聚类 | 第40-42页 |
3.3.1 内容相关度计算 | 第40-41页 |
3.3.2 时间相关度计算 | 第41页 |
3.3.3 会话抽取算法实现 | 第41-42页 |
3.4 实验结果与性能分析 | 第42-46页 |
3.4.1 实验数据 | 第42-43页 |
3.4.2 评价指标 | 第43页 |
3.4.3 实验结果与分析 | 第43-46页 |
3.5 本章小结 | 第46-48页 |
第四章 会话的情感倾向性分析 | 第48-58页 |
4.1 会话的情感倾向性分析原理 | 第48页 |
4.2 会话的情感倾向性分析方法 | 第48-52页 |
4.2.1 会话的情感倾向性分析 | 第49页 |
4.2.2 单条信息的情感倾向性分析 | 第49-50页 |
4.2.3 词语的情感倾向识别 | 第50-52页 |
4.3 实验结果与性能分析 | 第52-56页 |
4.3.1 实验数据 | 第52页 |
4.3.2 评价指标 | 第52页 |
4.3.3 实验设置与结果分析 | 第52-56页 |
4.4 本章小结 | 第56-58页 |
第五章 短文本信息流中的用户建模 | 第58-68页 |
5.1 用户建模方法简介 | 第58-59页 |
5.1.1 基于向量空间模型的方法 | 第58-59页 |
5.1.2 基于主题模型的方法 | 第59页 |
5.2 短文本信息流中的用户建模方法 | 第59-63页 |
5.2.1 用户建模原理 | 第59-60页 |
5.2.2 构造训练数据 | 第60页 |
5.2.3 用户向量的性质 | 第60-61页 |
5.2.4 用户向量的应用 | 第61-63页 |
5.3 实验结果与性能分析 | 第63-66页 |
5.3.1 实验数据 | 第63-64页 |
5.3.2 实验设置与结果分析 | 第64-66页 |
5.4 本章小结 | 第66-68页 |
第六章 总结和展望 | 第68-70页 |
6.1 本文工作总结 | 第68页 |
6.2 下一步研究展望 | 第68-70页 |
致谢 | 第70-72页 |
参考文献 | 第72-78页 |
作者简历 | 第78页 |