面向微博话题的情感计算和舆情分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及研究意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 研究现状及发展趋势 | 第14-17页 |
| 1.2.1 微博情感倾向研究现状 | 第14-15页 |
| 1.2.2 微博话题舆情分析研究现状 | 第15-17页 |
| 1.3 研究内容及创新点 | 第17-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 2 相关技术和概念 | 第20-29页 |
| 2.1 相关概念 | 第20-21页 |
| 2.2 文本情感分析相关技术 | 第21-24页 |
| 2.2.1 情感分析常用的情感词典 | 第21-22页 |
| 2.2.2 常用机器学习方法 | 第22-24页 |
| 2.3 舆情分析相关技术 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 微博转发预测模型 | 第29-41页 |
| 3.1 微博数据描述 | 第29-30页 |
| 3.2 微博数据特征提取 | 第30-33页 |
| 3.2.1 接收用户 | 第30-32页 |
| 3.2.2 微博内容 | 第32-33页 |
| 3.2.3 发布用户 | 第33页 |
| 3.3 粉丝用户去重和垃圾用户剔除 | 第33-35页 |
| 3.4 转发预测模型 | 第35-38页 |
| 3.5 实验结果分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 微博话题情感计算 | 第41-50页 |
| 4.1 情感词库的建立 | 第41-42页 |
| 4.1.1 微博数据预处理 | 第41-42页 |
| 4.1.2 情感词库的建立 | 第42页 |
| 4.2 表情符号库的建立 | 第42-44页 |
| 4.3 微博话题情感计算过程 | 第44-46页 |
| 4.4 实验及结果分析 | 第46-49页 |
| 4.4.1 实验数据及评价标准 | 第46-47页 |
| 4.4.2 微博情感计算结果分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 微博话题舆情分析 | 第50-61页 |
| 5.1 问题描述 | 第50-51页 |
| 5.1.1 数据预处理 | 第50页 |
| 5.1.2 微博话题舆情分析描述 | 第50-51页 |
| 5.2 微博话题扩散度计算 | 第51-52页 |
| 5.3 微博话题舆情值计算 | 第52页 |
| 5.4 微博话题舆情的演化分析 | 第52-55页 |
| 5.4.1 微博主题获取模型 | 第52-54页 |
| 5.4.2 KL距离 | 第54-55页 |
| 5.5 实验及结果分析 | 第55-60页 |
| 5.5.1 微博话题舆情值计算结果 | 第55-56页 |
| 5.5.2 微博话题舆情演化分析结果 | 第56-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
| 在读期间发表的论文及参与的项目 | 第68页 |
| 发表论文 | 第68页 |
| 参与项目 | 第68页 |
