基于语义及情感的微博分类等级判定方法研究
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 微博发展现状 | 第11-12页 |
| 1.2.2 短文本分类研究现状 | 第12-13页 |
| 1.2.3 文本情感分类研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 相关技术介绍 | 第16-25页 |
| 2.1 微博文本预处理 | 第16-17页 |
| 2.1.1 去停用词方法 | 第16页 |
| 2.1.2 分词技术 | 第16-17页 |
| 2.2 短文本特征表示 | 第17-19页 |
| 2.3 文本相似度度量方法 | 第19-20页 |
| 2.4 词语语义相似度计算 | 第20-21页 |
| 2.5 常用聚类算法 | 第21-24页 |
| 2.5.1 基于划分的方法 | 第22页 |
| 2.5.2 基于层次的方法 | 第22页 |
| 2.5.3 基于密度的方法 | 第22-23页 |
| 2.5.4 聚类方法小结 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于微博语义及情感的聚类 | 第25-40页 |
| 3.1 问题描述 | 第25-26页 |
| 3.2 文本预处理 | 第26-31页 |
| 3.2.1 分词及去停用词 | 第26-28页 |
| 3.2.2 词性选择 | 第28-31页 |
| 3.3 特征词标注及文本表示 | 第31-34页 |
| 3.3.1 特征词等级标注 | 第31-33页 |
| 3.3.2 向量空间模型表示文本 | 第33-34页 |
| 3.4 MPSCAN聚类算法 | 第34-39页 |
| 3.4.1 DBSCAN聚类算法 | 第34页 |
| 3.4.2 初始点选择 | 第34-35页 |
| 3.4.3 实现步骤 | 第35-37页 |
| 3.4.4 算法实现 | 第37-38页 |
| 3.4.5 算法效果对比 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 微博分类等级判定方法 | 第40-50页 |
| 4.1 问题描述 | 第40-41页 |
| 4.2 特征词抽取 | 第41-42页 |
| 4.2.1 特征选择 | 第41页 |
| 4.2.2 特征词合并 | 第41-42页 |
| 4.3 类别等级计算 | 第42-43页 |
| 4.4 分类等级判定规则 | 第43-46页 |
| 4.5 实验分析 | 第46-49页 |
| 4.5.1 实验环境 | 第46-47页 |
| 4.5.2 实验结果分析 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57-58页 |
