微博短文本分析技术研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 本文研究内容 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 短文本挖掘研究现状 | 第13-15页 |
| 1.3.2 微博短文本分析现状 | 第15-16页 |
| 1.4 论文组织 | 第16-18页 |
| 第二章 文本分析相关知识 | 第18-31页 |
| 2.1 预处理阶段 | 第18-19页 |
| 2.1.1 噪声词处理 | 第19页 |
| 2.1.2 中文分词 | 第19页 |
| 2.2 文本表示 | 第19-20页 |
| 2.2.1 布尔模型 | 第19页 |
| 2.2.2 概率模型 | 第19-20页 |
| 2.2.3 向量空间模型 | 第20页 |
| 2.3 特征选择 | 第20-26页 |
| 2.3.1 TF-IDF | 第20-21页 |
| 2.3.2 主题模型方法 | 第21-26页 |
| 2.4 微博文本情感分析 | 第26-30页 |
| 2.4.1 文本情感分析 | 第27-28页 |
| 2.4.2 中文微博文本分析问题 | 第28页 |
| 2.4.3 相关技术 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 微博短文本规范化及新词识别 | 第31-41页 |
| 3.1 微博短文本规范化 | 第31-34页 |
| 3.1.1 符号处理 | 第31-33页 |
| 3.1.2 微博短文本分词 | 第33-34页 |
| 3.2 微博新词识别算法 | 第34-38页 |
| 3.2.1 新词识别 | 第34-35页 |
| 3.2.2 微博新词识别算法 | 第35-38页 |
| 3.3 实验与结果分析 | 第38-40页 |
| 3.3.1 实验环境 | 第38页 |
| 3.3.2 数据采集 | 第38-39页 |
| 3.3.3 实验结果 | 第39-40页 |
| 3.3.4 结果分析 | 第40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 微博短文本特征提取 | 第41-57页 |
| 4.1 LDA模型 | 第41-44页 |
| 4.2 基于聚类和LDA模型的特征提取 | 第44-50页 |
| 4.2.1 聚类方法 | 第45-47页 |
| 4.2.2 LDA建模提取特征 | 第47-50页 |
| 4.3 实验与结果分析 | 第50-56页 |
| 4.3.1 实验环境 | 第50-51页 |
| 4.3.2 实验过程及分析 | 第51-55页 |
| 4.3.3 模型评价 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 微博用户兴趣挖掘系统 | 第57-71页 |
| 5.1 系统概述 | 第57-58页 |
| 5.1.1 引入 | 第57页 |
| 5.1.2 系统描述 | 第57-58页 |
| 5.2 系统设计 | 第58-62页 |
| 5.2.1 开源软件与工具 | 第58-59页 |
| 5.2.2 系统整体设计 | 第59-61页 |
| 5.2.3 应用设计 | 第61-62页 |
| 5.3 系统功能实现 | 第62-69页 |
| 5.3.1 模块功能实现 | 第62-66页 |
| 5.3.2 功能展示 | 第66-69页 |
| 5.4 系统测试 | 第69-70页 |
| 5.4.1 系统性能测试 | 第69页 |
| 5.4.2 系统功能测试 | 第69-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 进一步的工作 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 在学期间的研究成果 | 第78-79页 |
