| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 本文主要研究工作 | 第11-12页 |
| 1.2.1 基于LSTM的情感分析 | 第12页 |
| 1.2.2 基于心理学模型的个性预测 | 第12页 |
| 1.2.3 基于情感分析与个性预测的用户剖像构建 | 第12页 |
| 1.3 论文组织结构 | 第12-14页 |
| 第2章 相关工作综述 | 第14-22页 |
| 2.1 文本情感分析 | 第14-15页 |
| 2.2 基于深度学习的文本挖掘 | 第15-16页 |
| 2.3 词嵌入 | 第16-17页 |
| 2.4 用户画像 | 第17-18页 |
| 2.5 用户个性预测 | 第18-20页 |
| 2.6 本章小结 | 第20-22页 |
| 第3章 基于LSTM的情感分析 | 第22-38页 |
| 3.1 前言 | 第22页 |
| 3.2 基于LSTM的情感分析的框架设计 | 第22-23页 |
| 3.2.1 情感分析模型的选取 | 第22-23页 |
| 3.2.2 情感分析的框架设计 | 第23页 |
| 3.3 情感分析模型要素剖析 | 第23-27页 |
| 3.3.1 LSTM模型的构建分析 | 第23-24页 |
| 3.3.2 特征工程的方法选择 | 第24-25页 |
| 3.3.3 情感分析模型参数选取分析 | 第25-27页 |
| 3.4 LSTM模型剖析 | 第27-30页 |
| 3.5 实验与分析 | 第30-36页 |
| 3.5.1 语料收集及评测指标 | 第30-32页 |
| 3.5.2 输入层表征方法选取实验 | 第32-34页 |
| 3.5.3 隐藏层层数选取 | 第34页 |
| 3.5.4 隐藏层神经元个数选取 | 第34-35页 |
| 3.5.5 总体实验与分析 | 第35-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第4章 基于心理学模型的用户个性预测 | 第38-54页 |
| 4.1 前言 | 第38页 |
| 4.2 基于Big Five个性分析的框架设计 | 第38-39页 |
| 4.3 Big Five模型与LIWC词典分析 | 第39-43页 |
| 4.3.1 Big Five模型分析 | 第39-40页 |
| 4.3.2 LIWC词典分析 | 第40-41页 |
| 4.3.3 Big Five与LIWC词典的映射关系分析 | 第41-43页 |
| 4.4 个性预测算法设计 | 第43-46页 |
| 4.4.1 数据预处理算法 | 第44页 |
| 4.4.2 用户个性打分模型构建与算法设计 | 第44-45页 |
| 4.4.3 基于KNN用户个性预测的算法设计 | 第45-46页 |
| 4.5 实验与分析 | 第46-51页 |
| 4.5.1 LIWC词典及向量空间模型合理性实验 | 第46-48页 |
| 4.5.2 基于KNN的个性预测 | 第48-51页 |
| 4.6 本章小结 | 第51-54页 |
| 第5章 基于情感分析与个性预测的用户剖像构建 | 第54-68页 |
| 5.1 前言 | 第54页 |
| 5.2 用户剖像构建主体思路与方法 | 第54页 |
| 5.3 基于LSTM的情感值量化 | 第54-55页 |
| 5.4 情感值波动与个性关联指标分析 | 第55-57页 |
| 5.4.1 情感值波动—方差 | 第55-56页 |
| 5.4.2 用户剖像中的相关性分析 | 第56-57页 |
| 5.5 性别预测 | 第57-61页 |
| 5.5.1 基于用户昵称的朴素贝叶斯性别预测 | 第59页 |
| 5.5.2 基于博文内容的SVM性别预测 | 第59-60页 |
| 5.5.3 模型融合方法性别预测 | 第60-61页 |
| 5.6 实验与分析 | 第61-65页 |
| 5.6.1 性别预测实验 | 第62-64页 |
| 5.6.2 用户属性相关度度量实验 | 第64-65页 |
| 5.7 本章小结 | 第65-68页 |
| 第6章 应用系统实例 | 第68-74页 |
| 6.1 前言 | 第68页 |
| 6.2 系统总体设计 | 第68页 |
| 6.3 系统功能模块 | 第68-70页 |
| 6.4 情感分析及用户剖像结果展示 | 第70-73页 |
| 6.5 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间发表论文及所做工作 | 第82-84页 |
| 致谢 | 第84页 |