| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-10页 |
| 1.3 研究现状分析 | 第10-13页 |
| 1.3.1 文本情感语义的研究现状 | 第10-11页 |
| 1.3.2 多媒体情感语义的研究现状 | 第11-12页 |
| 1.3.3 社交网络情感语义的研究现状 | 第12-13页 |
| 1.4 论文研究内容及创新点 | 第13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第2章 情感分类关键理论技术基础 | 第15-23页 |
| 2.1 图像底层特征和情感的关系 | 第15-17页 |
| 2.1.1 颜色特征与情感 | 第15-16页 |
| 2.1.2 颜色特征与情感 | 第16-17页 |
| 2.2 底层特征提取 | 第17-20页 |
| 2.2.1 颜色特征提取 | 第17-19页 |
| 2.2.2 纹理特征提取 | 第19-20页 |
| 2.3 因子图模型的概述 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于二步策略的微博极性分类方法研究 | 第23-35页 |
| 3.1 引言 | 第23-24页 |
| 3.2 考虑图像和文本特征结合的微博情感分类 | 第24-31页 |
| 3.2.1 不同类别图像特征分析 | 第24-26页 |
| 3.2.2 向量空间模型 | 第26页 |
| 3.2.3 二类朴素贝叶斯和支持向量机结合的两步分类方法 | 第26-28页 |
| 3.2.4 错误极性分类区域观察 | 第28-29页 |
| 3.2.5 确定可不靠区域 | 第29-31页 |
| 3.3 实验验证和分析 | 第31-34页 |
| 3.3.1 语料收集和性能评估 | 第31-32页 |
| 3.3.2 两步分类实验对比方法介绍 | 第32-33页 |
| 3.3.3 实验结果和分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于概率因子图模型的社交网络用户情感预测 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 社交网络情感预测的因子图模型 | 第35-39页 |
| 4.3 因子图模型的参数学习 | 第39-41页 |
| 4.4 因子图模型用户情感预测 | 第41-42页 |
| 4.5 实验设置 | 第42-46页 |
| 4.5.1 实验数据 | 第42-43页 |
| 4.5.2 情感预测效果验证 | 第43-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47-48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间从事的科研工作及取得的研究成果 | 第56页 |