基于证据融合的微博用户情感分析研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 文本情感分析研究现状 | 第10-12页 |
| 1.2.2 DS证据理论研究现状 | 第12-13页 |
| 1.3 论文的主要内容和创新点 | 第13-15页 |
| 2 基础理论及研究方法 | 第15-23页 |
| 2.1 微博情感分析相关技术 | 第15-17页 |
| 2.1.1 贝叶斯分类器 | 第15-16页 |
| 2.1.2 决策树分类 | 第16页 |
| 2.1.3 支持向量机 | 第16-17页 |
| 2.2 文本预处理 | 第17-20页 |
| 2.2.1 文本分词 | 第18页 |
| 2.2.2 去停用词 | 第18-19页 |
| 2.2.3 特征选择 | 第19页 |
| 2.2.4 文本向量化 | 第19-20页 |
| 2.3 Dempster-Shafer证据理论 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 中文微博情感词典的扩展 | 第23-37页 |
| 3.1 相关词典的构建 | 第24-29页 |
| 3.1.1 基础情感词典 | 第24-26页 |
| 3.1.2 副词词典 | 第26页 |
| 3.1.3 否定词词典 | 第26-27页 |
| 3.1.4 表情符号词典 | 第27-28页 |
| 3.1.5 停用词词典 | 第28-29页 |
| 3.2 基于协同过滤的情感词典拓展算法 | 第29-36页 |
| 3.2.1 协同过滤介绍 | 第30-32页 |
| 3.2.2 种子情感词的选取 | 第32-34页 |
| 3.2.3 基于协同过滤的情感词典拓展算法设计 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 基于DS证据融合的情感分类研究 | 第37-48页 |
| 4.1 信息融合的基础 | 第37-41页 |
| 4.1.1 信息融合基本概念 | 第37页 |
| 4.1.2 信息融合的级别 | 第37-40页 |
| 4.1.3 基于证据理论的信息融合方法 | 第40-41页 |
| 4.2 基于DS证据融合的情感分类模型 | 第41-44页 |
| 4.2.1 微博情感分类中的不确定性 | 第41-42页 |
| 4.2.2 基于DS证据融合的情感分类模型设计 | 第42-44页 |
| 4.3 基本可信度分配函数的构建及融合决策 | 第44-47页 |
| 4.3.1 基本可信度分配函数 | 第45-47页 |
| 4.3.2 情感分类证据融合 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 模型实验结果与分析 | 第48-59页 |
| 5.1 实验环境与语料 | 第48-52页 |
| 5.1.1 运行环境 | 第48页 |
| 5.1.2 使用语料 | 第48-50页 |
| 5.1.3 评价指标 | 第50-52页 |
| 5.2 情感词典拓展实验及分析 | 第52-56页 |
| 5.2.1 实验评价指标 | 第52-53页 |
| 5.2.2 基于词典的微博情感分析实验 | 第53-56页 |
| 5.3 基于DS证据融合的情感分类实验及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结论述 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第67-68页 |
| 附录2 主要英文缩写语对照表 | 第68页 |
