Twitter事件检测中的语义和情感分析
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 文本语义和情感分析的相关技术研究 | 第16-27页 |
| 2.1 文本语义的表示方法研究 | 第16-20页 |
| 2.1.1 基于计数的词分布式表达方法 | 第17-18页 |
| 2.1.2 基于预测的词分布式表达方法 | 第18-20页 |
| 2.2 推文语义相似度计算方法研究 | 第20-21页 |
| 2.3 推特情感分析方法研究 | 第21-24页 |
| 2.3.1 基于词典的情感分析方法 | 第22-23页 |
| 2.3.2 基于机器学习的情感分析方法 | 第23-24页 |
| 2.3.3 混合的情感分析方法 | 第24页 |
| 2.4 推特事件检测方法研究 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 融合情感的推文语义特征提取方法 | 第27-46页 |
| 3.1 引言 | 第27-28页 |
| 3.2 神经网络语言模型分析 | 第28-36页 |
| 3.2.1 word2vec神经网络模型原理介绍 | 第28-30页 |
| 3.2.2 word2vec神经网络模型分析 | 第30-36页 |
| 3.3 蕴含情感信息的word2vec模型设计 | 第36-40页 |
| 3.4 实验与结果 | 第40-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于语义和情感的推特事件检测 | 第46-63页 |
| 4.1 引言 | 第46-47页 |
| 4.2 推文相似度计算 | 第47-52页 |
| 4.3 推文情感分析 | 第52-57页 |
| 4.4 非特定推特事件检测 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63-64页 |
| 5.2 工作的不足与展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
