社交网络中短文本情感分析技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 课题主要内容及创新点 | 第11-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 课题相关方法研究 | 第14-23页 |
| 2.1 文本情感分析 | 第14页 |
| 2.2 基于情感词典的文本情感分析方法 | 第14-16页 |
| 2.3 基于机器学习的文本情感分析方法 | 第16-18页 |
| 2.4 词汇语义相似度 | 第18-19页 |
| 2.5 词汇情感极性 | 第19-20页 |
| 2.6 特征词提取 | 第20-21页 |
| 2.7 主成分分析 | 第21-22页 |
| 2.8 反向传播神经网络 | 第22-23页 |
| 第三章 短文本语义情感分析方法研究 | 第23-40页 |
| 3.1 短语模式的文本情感极性分析算法 | 第23-34页 |
| 3.1.1 算法流程设计 | 第23-25页 |
| 3.1.2 文本分词及词性标注 | 第25-27页 |
| 3.1.3 短语模式规则扩展 | 第27-29页 |
| 3.1.4 词汇语义相似度计算 | 第29页 |
| 3.1.5 文本情感计算 | 第29-32页 |
| 3.1.6 实验与分析 | 第32-34页 |
| 3.2 词汇统计模式的文本情感极性分析算法 | 第34-40页 |
| 3.2.1 算法流程设计 | 第34-36页 |
| 3.2.2 词汇统计模式的文本情感计算 | 第36-37页 |
| 3.2.3 实验与分析 | 第37-40页 |
| 第四章 基于神经网络的文本情感细粒度分析方法研究 | 第40-52页 |
| 4.1 基于神经网络的文本情感细粒度分析算法 | 第40-46页 |
| 4.1.1 数据降维 | 第42-43页 |
| 4.1.2 神经网络分类器 | 第43-46页 |
| 4.2 实验分析 | 第46-52页 |
| 4.2.1 网络数据验证实验 | 第46-48页 |
| 4.2.2 标准数据集实验及分析 | 第48-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |
