首页--社会科学总论论文--社会学论文--社会结构和社会关系论文--社会关系、社会约制论文

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

论文共87页,点击 下载论文
上一篇:公民作为环境公益诉讼的原告资格研究
下一篇:基于MCMC方法的参数生存回归模型的贝叶斯估计