基于用户社交关系的微博情感分类模型研究
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-17页 |
1.1 研究背景和意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究现状与不足 | 第11-14页 |
1.3 论文的主要研究内容 | 第14-16页 |
1.4 论文的创新点 | 第16-17页 |
第二章 文本情感分析相关理论与方法 | 第17-24页 |
2.1 文本感分析的任务划分 | 第17-18页 |
2.1.1 按文本粒度划分的情感分析 | 第17页 |
2.1.2 按文本类别划分的情感分析 | 第17-18页 |
2.1.3 按研究任务划分的情感分析 | 第18页 |
2.2 情感分析的文本预处理 | 第18-20页 |
2.2.1 非情感文本的过滤 | 第19页 |
2.2.2 中文分词处理 | 第19-20页 |
2.2.3 去除停用词 | 第20页 |
2.3 文本情感分类的方法 | 第20-23页 |
2.3.1 基于情感词典的文本情感计算 | 第20-21页 |
2.3.2 基于机器学习的文本情感分类 | 第21-23页 |
2.4 本章小结 | 第23-24页 |
第三章 微博用户社交关系的度量研究 | 第24-39页 |
3.1 微博的发展现状与特点分析 | 第24-27页 |
3.1.1 微博的发展现状 | 第24-25页 |
3.1.2 微博及微博用户的特点分析 | 第25-27页 |
3.2 微博社交网络中的社会学理论 | 第27-28页 |
3.2.1 同质性和社会影响 | 第27页 |
3.2.2 情绪一致性和情绪感染 | 第27-28页 |
3.3 微博用户间相似性关系的综合度量 | 第28-35页 |
3.3.1 社交网络节点间相似性度量方法 | 第29-30页 |
3.3.2 基于网络结构的相似性度量 | 第30-31页 |
3.3.3 基于基本信息的相似性度量 | 第31-33页 |
3.3.4 基于用户兴趣的相似性度量 | 第33-34页 |
3.3.5 相似性关系的综合度量 | 第34-35页 |
3.4 微博用户间影响力关系的综合度量 | 第35-38页 |
3.4.1 在线社交网络节点影响力分析 | 第35页 |
3.4.2 基于好友关系的影响强度度量 | 第35-36页 |
3.4.3 基于交互行为的影响强度度量 | 第36-37页 |
3.4.4 影响力关系的综合度量 | 第37-38页 |
3.5 本章小结 | 第38-39页 |
第四章 融合社交关系的微博情感分类模型构建 | 第39-47页 |
4.1 MAS-USUI模型构建的预备知识 | 第39-41页 |
4.1.1 建模的基本思想 | 第39页 |
4.1.2 模型的标记符号 | 第39-41页 |
4.2 “微博-微博”之间的社交关系的构建 | 第41-43页 |
4.2.1 基于用户相似性关系的博文关系建模 | 第41-42页 |
4.2.2 基于用户影响力关系的博文关系建模 | 第42-43页 |
4.3 融合社交关系的MSA-USUI模型的构建 | 第43-45页 |
4.3.1 基于微博文本内容的建模 | 第43页 |
4.3.2 结合微博用户社交关系的建模 | 第43-44页 |
4.3.3 模型过拟合处理 | 第44-45页 |
4.4 MSA-USUI模型的求解算法 | 第45-46页 |
4.5 本章小结 | 第46-47页 |
第五章 MSA-USUI模型验证研究 | 第47-60页 |
5.1 实验数据集的获取和预处理 | 第47-53页 |
5.1.1 微博数据集的获取 | 第47-51页 |
5.1.2 数据预处理 | 第51-53页 |
5.2 实验评测标准 | 第53-54页 |
5.2.1 评测方法 | 第53页 |
5.2.2 评价指标 | 第53-54页 |
5.3 对比模型和参数设置 | 第54-55页 |
5.4 实验结果与分析 | 第55-59页 |
5.5 本章小结 | 第59-60页 |
第六章 总结与展望 | 第60-62页 |
6.1 总结 | 第60-61页 |
6.2 工作展望 | 第61-62页 |
参考文献 | 第62-67页 |
致谢 | 第67-68页 |
在学期间的研究成果及发表的学术论文 | 第68-69页 |
附录一 数据集抓取的主要程序代码 | 第69-87页 |