首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

面向网络文本的话题追踪及倾向性分析技术研究

摘要第3-5页
ABSTRACT第5-6页
第一章 引言第11-21页
    1.1 研究背景及意义第11-12页
    1.2 相关技术研究现状第12-19页
        1.2.1 话题追踪研究现状第12-14页
        1.2.2 倾向性分析研究现状第14-19页
    1.3 本文主要工作第19页
    1.4 本文内容安排第19-21页
第二章 相关理论基础第21-32页
    2.1 文本处理相关技术第21-25页
        2.1.1 语料获取及预处理第21-23页
        2.1.2 文本特征选择第23-24页
        2.1.3 文本表示第24-25页
    2.2 话题追踪相关理论第25-28页
        2.2.1 话题追踪第25-27页
        2.2.2 相似度计算第27-28页
    2.3 倾向性分析相关理论第28-30页
        2.3.1 倾向性分析方法第28-29页
        2.3.2 常用情感资源第29-30页
    2.4 评价指标第30-31页
    2.5 本章小结第31-32页
第三章 基于LDA和改进Single-Pass聚类的话题追踪研究第32-49页
    3.1 问题描述第32页
    3.2 相应工作第32页
    3.3 话题追踪设计第32-40页
        3.3.1 话题抽取过程第33-34页
        3.3.2 参数估计第34-36页
        3.3.3 追踪改进第36-40页
    3.4 实验及结果分析第40-47页
        3.4.1 语料及参数设置第40-41页
        3.4.2 结果分析第41-47页
    3.5 本章小结第47-49页
第四章 基于特征扩展与主题情感混合模型的倾向性研究第49-62页
    4.1 问题描述第49页
    4.2 相应工作第49页
    4.3 基于JST的倾向性分析第49-52页
        4.3.1 JST生成过程第49-51页
        4.3.2 参数估计第51-52页
        4.3.3 倾向判定第52页
    4.4 特征扩展第52-54页
        4.4.1 词向量第52-53页
        4.4.2 情感特征扩展第53-54页
    4.5 实验及结果分析第54-61页
        4.5.1 语料及参数设置第55页
        4.5.2 结果分析第55-61页
    4.6 本章小结第61-62页
第五章 总结与展望第62-64页
    5.1 本文总结第62页
    5.2 未来展望第62-64页
参考文献第64-70页
致谢第70-71页
攻读学位期间发表的学术论文目录第71页

论文共71页,点击 下载论文
上一篇:基于ARCS模型的高中物理光学微课设计与实践研究
下一篇:蒙汉跨语言信息检索模型研究