| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 论文研究意义 | 第12页 |
| 1.3 前人研究成果综述 | 第12-14页 |
| 1.4 论文组织框架 | 第14-16页 |
| 第二章 关键技术介绍 | 第16-29页 |
| 2.1 文本特征提取模型 | 第16-22页 |
| 2.1.1 向量空间模型 | 第16-17页 |
| 2.1.2 概率主题模型 | 第17-18页 |
| 2.1.3 Distributed representation的词向量模型 | 第18-21页 |
| 2.1.4 三种文本特征提取模型对比 | 第21-22页 |
| 2.2 分词技术 | 第22-24页 |
| 2.2.1 英文分词技术 | 第22-23页 |
| 2.2.2 中文分词技术 | 第23-24页 |
| 2.3 分类算法 | 第24-28页 |
| 2.3.1 逻辑斯蒂回归算法 | 第24-25页 |
| 2.3.2 决策树算法 | 第25-26页 |
| 2.3.3 随机森林算法 | 第26-27页 |
| 2.3.4 支持向量机算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 文本特征提取方法的研究 | 第29-39页 |
| 3.1 基于向量空间模型的文本特征提取方法 | 第29-30页 |
| 3.2 文本处理的关键方法 | 第30-31页 |
| 3.2.1 初步处理 | 第30-31页 |
| 3.2.2 否定词处理 | 第31页 |
| 3.2.3 数字处理 | 第31页 |
| 3.3 DOC2VEC模型提取初步特征 | 第31-34页 |
| 3.3.1 doc2vec模型介绍 | 第32-33页 |
| 3.3.2 doc2vec模型优缺点 | 第33页 |
| 3.3.3 基于doc2vec模型的文本特征提取方法 | 第33-34页 |
| 3.4 基于WORD2VEC模型提取新特征 | 第34-38页 |
| 3.4.1 word2vec模型介绍 | 第34页 |
| 3.4.2 word2vec模型强化 | 第34-35页 |
| 3.4.3 基于word2vec模型生成情感词典 | 第35-37页 |
| 3.4.4 基于情感词典提取新特征 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 舆情情感分析系统的分析与设计 | 第39-62页 |
| 4.1 架构设计 | 第39-40页 |
| 4.2 数据解析模块 | 第40-41页 |
| 4.2.1 编解码标准化解析子模块 | 第40-41页 |
| 4.2.2 提取各个字段子模块 | 第41页 |
| 4.3 数据处理模块 | 第41-44页 |
| 4.3.1 数据清洗子模块 | 第42-43页 |
| 4.3.2 分词子模块 | 第43-44页 |
| 4.3.3 数据切分子模块 | 第44页 |
| 4.4 特征提取模块 | 第44-49页 |
| 4.4.1 doc2vec训练子模块 | 第45-47页 |
| 4.4.2 doc2vec特征提取子模块 | 第47页 |
| 4.4.3 word2vec训练子模块 | 第47-48页 |
| 4.4.4 word2vec生成情感词典子模块 | 第48页 |
| 4.4.5 基于情感词典提取新特征子模块 | 第48-49页 |
| 4.4.6 组合特征子模块 | 第49页 |
| 4.5 分类算法模块 | 第49-57页 |
| 4.5.1 分类算法模型的训练 | 第50-52页 |
| 4.5.2 分类算法模型的测试 | 第52页 |
| 4.5.3 效果评估子模块 | 第52-54页 |
| 4.5.4 优化方案子模块 | 第54-57页 |
| 4.6 UI交互模块 | 第57-61页 |
| 4.6.1 用户交互子模块 | 第57-60页 |
| 4.6.2 图表展现子模块 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 舆情情感分析系统的部署与测试 | 第62-81页 |
| 5.1 系统部署 | 第62页 |
| 5.2 系统测试 | 第62-74页 |
| 5.2.1 系统的测试数据 | 第63页 |
| 5.2.2 数据处理的测试 | 第63-64页 |
| 5.2.3 doc2vec模型训练的测试 | 第64-65页 |
| 5.2.4 word2vec模型训练的测试 | 第65页 |
| 5.2.5 特征提取的测试 | 第65-70页 |
| 5.2.6 分类算法模型的测试 | 第70-72页 |
| 5.2.7 四种情感分类算法的对比 | 第72-74页 |
| 5.3 系统的优化 | 第74-80页 |
| 5.3.1 特征提取的优化 | 第74-76页 |
| 5.3.2 基于RBF的SVM分类模型的优化 | 第76-78页 |
| 5.3.3 舆情情感分类效果的提升 | 第78-79页 |
| 5.3.4 最终舆情情感分析结果 | 第79-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 结束语 | 第81-84页 |
| 6.1 论文相关工作总结 | 第81页 |
| 6.2 创新之处 | 第81-82页 |
| 6.3 不足与展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 附录 | 第88-92页 |
| 附录1: 否定词表 | 第88页 |
| 附录2: 停顿词表 | 第88页 |
| 附录3: 情感词典 | 第88-89页 |
| 附录4: 数据处理源代码 | 第89-92页 |
| 致谢 | 第92-93页 |
| 作者攻读学位期间发表的学术论文目录 | 第93页 |