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--文字信息处理论文

基于微博的药物评论细粒度情感分析

中文摘要第4-6页
abstract第6-8页
第1章 绪论第11-16页
    1.1 研究背景第11-12页
    1.2 研究目的及意义第12-13页
    1.3 研究内容第13-14页
    1.4 论文组织框架第14-16页
第2章 情感分析相关研究第16-25页
    2.1 情感分析基础研究第16-20页
        2.1.1 情感分析的概念第16页
        2.1.2 情感分析粒度的划分第16-19页
        2.1.3 情感分析的准备第19-20页
    2.2 情感分析方法研究第20-22页
        2.2.1 机器学习法第20-21页
        2.2.2 情感词典法第21-22页
        2.2.3 词典-机器学习结合法第22页
    2.3 情感分析的应用第22-23页
    2.4 本章小结第23-25页
第3章 微博细粒度情感分析第25-39页
    3.1 基础情感词汇词典的补充第25-27页
    3.2 表情符号情感词典的构建第27-29页
    3.3 网络用语情感词典的构建第29-31页
    3.4 疑问词词典的构建第31-33页
    3.5 修饰词词词典的构建第33-35页
    3.6 基于词典与规则的情感分析第35-37页
    3.7 本章小结第37-39页
第4章 实证研究第39-47页
    4.1 实验数据的处理第39-40页
        4.1.1 实验数据集获取第39-40页
        4.1.2 实验数据集清洗第40页
        4.1.3 实验数据集分词第40页
    4.2 实验性能的评价第40-41页
    4.3 方法验证与结果第41-45页
        4.3.1 实验方法验证第41-42页
        4.3.2 实验结果分析第42-45页
    4.4 本章小结第45-47页
第5章 总结与展望第47-49页
    5.1 研究结论第47-48页
    5.2 展望第48-49页
参考文献第49-59页
作者简介及在学期间所取得的科研成果第59-60页
致谢第60页

论文共60页,点击 下载论文
上一篇:社会网络与主题模型相结合的SPOC论坛讨论研究
下一篇:高级持续性威胁中隐蔽可疑DNS行为的检测