| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 话题检测国内外研究现状 | 第9-11页 |
| 1.2.2 情感分类研究现状 | 第11-12页 |
| 1.3 本文研究工作及创新 | 第12-13页 |
| 1.4 论文组织架构 | 第13页 |
| 1.5 本章小结 | 第13-15页 |
| 2 文本的话题检测与情感分类相关技术与算法 | 第15-27页 |
| 2.1 数据预处理 | 第15-16页 |
| 2.2 文本话题检测的技术与算法 | 第16-23页 |
| 2.2.1 文本表示 | 第16-20页 |
| 2.2.2 相似度策略 | 第20页 |
| 2.2.3 话题检测算法 | 第20-23页 |
| 2.3 文本情感分类的技术与算法 | 第23-26页 |
| 2.3.1 文本特征表达 | 第23-24页 |
| 2.3.2 分类算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于词语分布式表达的新浪微博的话题检测研究 | 第27-43页 |
| 3.1 研究方法 | 第27-29页 |
| 3.2 数据采集与预处理 | 第29-31页 |
| 3.3 微博文本表示模型 | 第31-41页 |
| 3.3.1 传统的文本表示模型——向量空间模型 | 第32页 |
| 3.3.2 基于词语分布式表达的Word2vec方法 | 第32-40页 |
| 3.3.3 基于词语分布式表达与TF-IDF相结合的文本表示模型 | 第40-41页 |
| 3.4 话题聚类算法 | 第41页 |
| 3.5 实验评估指标与结果 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 基于文档分布式表达的新浪微博情感分类研究 | 第43-55页 |
| 4.1 研究方法 | 第43-44页 |
| 4.2 数据收集与预处理 | 第44页 |
| 4.3 文本的特征表达 | 第44-52页 |
| 4.3.1 三种情感分类中常用的特征表达方法 | 第45-46页 |
| 4.3.2 基于文档分布式表达的方法——Doc2vec | 第46-51页 |
| 4.3.3 基于SVM的中文微博文本情感分类 | 第51-52页 |
| 4.4 实验 | 第52-54页 |
| 4.4.1 三种传统的文本特征表达方法的分类结果 | 第52页 |
| 4.4.2 基于文档分布式表达的中文文本分类结果 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
