基于word2vec和SVMperf的网络中文文本评论信息情感分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 主要研究内容 | 第10-11页 |
| 1.2.1 互联网用户评论的获取 | 第11页 |
| 1.2.2 被评论对象的相似特征聚类 | 第11页 |
| 1.2.3 基于语义特征的情感分类 | 第11页 |
| 1.2.4 基于上下文结构特征的情感分类 | 第11页 |
| 1.3 本文内容安排 | 第11-14页 |
| 第2章 相关工作综述 | 第14-20页 |
| 2.1 互联网用户评论获取方法综述 | 第14-15页 |
| 2.2 被评论对象的相似特征聚类研究方法综述 | 第15页 |
| 2.3 情感分类研究方法综述 | 第15-17页 |
| 2.3.1 词语级和短语级的情感分类研究方法综述 | 第15-16页 |
| 2.3.2 句子级和篇章级的情感分类研究方法综述 | 第16-17页 |
| 2.4 关于word2vec | 第17页 |
| 2.5 关于SVMperf | 第17-18页 |
| 2.6 本章小结 | 第18-20页 |
| 第3章 被评论对象的相似特征聚类研究 | 第20-26页 |
| 3.1 基于word2vec的相似特征聚类方法 | 第20-21页 |
| 3.2 相似特征聚类具体方法和步骤 | 第21-25页 |
| 3.2.1 数据预处理 | 第21页 |
| 3.2.2 基于word2vec训练语料 | 第21-25页 |
| 3.2.3 相似特征聚类 | 第25页 |
| 3.3 本章小结 | 第25-26页 |
| 第4章 基于语义特征的情感分类研究 | 第26-32页 |
| 4.1 基于语义特征的情感分类方法 | 第26页 |
| 4.2 基于情感词典的特征选择策略 | 第26-30页 |
| 4.2.1 构建情感词典 | 第27页 |
| 4.2.2 扩充情感词典 | 第27-28页 |
| 4.2.3 SVMperf分类和预测 | 第28-30页 |
| 4.3 基于词性的特征选择策略 | 第30页 |
| 4.3.1 词性选择 | 第30页 |
| 4.3.2 SVMperf分类和预测 | 第30页 |
| 4.4 本章小结 | 第30-32页 |
| 第5章 基于上下文结构特征的情感分类研究 | 第32-38页 |
| 5.1 基于上下文结构特征的情感分类方法 | 第32页 |
| 5.2 上下文结构特征介绍 | 第32-33页 |
| 5.2.1 否定词特征 | 第33页 |
| 5.2.2 程度词特征 | 第33页 |
| 5.2.3 转折词特征 | 第33页 |
| 5.3 基于上下文结构特征的情感分类步骤 | 第33-35页 |
| 5.3.1 构建上下文情感词典 | 第33-34页 |
| 5.3.2 抽取上下文结构特征 | 第34页 |
| 5.3.3 SVMperf分类和预测 | 第34-35页 |
| 5.4 本章小结 | 第35-38页 |
| 第6章 实验结果与分析 | 第38-48页 |
| 6.1 实验数据集 | 第38页 |
| 6.2 评价标准 | 第38-39页 |
| 6.3 相似特征聚类实验 | 第39-41页 |
| 6.3.1 实验结果 | 第39-41页 |
| 6.3.2 实验分析 | 第41页 |
| 6.4 基于语义特征的情感分类实验 | 第41-43页 |
| 6.4.1 实验结果 | 第41-43页 |
| 6.4.2 实验分析 | 第43页 |
| 6.5 基于上下文结构特征的情感分类实验 | 第43-45页 |
| 6.5.1 实验结果 | 第43-45页 |
| 6.5.2 实验分析 | 第45页 |
| 6.6 本章小结 | 第45-48页 |
| 第7章 情感分类方法在股票分析系统的应用 | 第48-56页 |
| 7.1 股票分析系统总体设计 | 第48页 |
| 7.2 股票分析系统功能模块 | 第48-50页 |
| 7.2.1 数据获取模块 | 第48-49页 |
| 7.2.2 情感分类模块 | 第49-50页 |
| 7.2.3 相关性分析模块 | 第50页 |
| 7.3 股票分析系统运行结果 | 第50-55页 |
| 7.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间所发表的论文 | 第62-64页 |
| 致谢 | 第64页 |
