| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 文本情感分析国内外研究现状 | 第10-13页 |
| 1.2.2 文本信息抽取国内外研究现状 | 第13-14页 |
| 1.2.3 主题模型国内外研究现状 | 第14-16页 |
| 1.2.4 研究现状小结 | 第16页 |
| 1.3 研究内容及技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.4 主要工作及创新点 | 第18-20页 |
| 第二章 相关基础理论研究 | 第20-25页 |
| 2.1 文本抽取技术简介 | 第20-21页 |
| 2.2 情感分析研相关理论 | 第21-23页 |
| 2.2.1 情感分析概念 | 第21页 |
| 2.2.2 情感分析主要技术 | 第21-23页 |
| 2.3 主题模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 WSO-LDA主题模型构建 | 第25-33页 |
| 3.1 微博特征分析 | 第25页 |
| 3.2 引入情感因素改进LDA主题模型 | 第25-26页 |
| 3.3 引入时间因素改进LDA主题模型 | 第26-28页 |
| 3.4 WSO-LDA模型描述与结构 | 第28-31页 |
| 3.4.1 WSO-LDA模型描述 | 第28-29页 |
| 3.4.2 WSO-LDA模型贝叶斯图 | 第29-30页 |
| 3.4.3 WSO-LDA模型推理参数推导 | 第30-31页 |
| 3.5 WSO-LDA模型算法与生成过程 | 第31-32页 |
| 3.5.1 WSO-LDA模型算法 | 第31-32页 |
| 3.5.2 WSO-LDA模型生成过程 | 第32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于WSO-LDA的微博话题“主题+观点”词条抽取算法 | 第33-42页 |
| 4.1“主题+观点”词条文本表示模型 | 第33-34页 |
| 4.2“主题+观点”词条抽取算法设计 | 第34-41页 |
| 4.2.1 主题特征向量构建算法 | 第35-36页 |
| 4.2.2 主题词汇链构建算法 | 第36-38页 |
| 4.2.3 特征词条抽取算法 | 第38-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第五章 实验设计与结果分析 | 第42-57页 |
| 5.1 实验环境 | 第42页 |
| 5.2 实验数据采集与整理 | 第42-44页 |
| 5.2.1 实验数据采集与存储 | 第42页 |
| 5.2.2 实验数据文本预处理 | 第42-44页 |
| 5.3 WSO-LDA模型实验 | 第44-51页 |
| 5.3.1 实验基本思路 | 第44-45页 |
| 5.3.2 实验数据筛选与参数设置 | 第45-46页 |
| 5.3.3 WSO-LDA模型结果分析 | 第46-49页 |
| 5.3.4 WSO-LDA模型对比实验 | 第49-51页 |
| 5.4 面向微博话题的“主题+观点”抽取算法实验 | 第51-57页 |
| 5.4.1 算法实验设置 | 第51页 |
| 5.4.2 算法实验结果分析 | 第51-54页 |
| 5.4.3 算法对比实验 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 在学期间的研究成果及发表的学术论文 | 第63页 |