| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状和分析 | 第12-15页 |
| 1.2.1 情感分类 | 第12-14页 |
| 1.2.2 观点挖掘 | 第14-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 相关理论及技术 | 第17-29页 |
| 2.1 文本表示模型 | 第17-20页 |
| 2.1.1 布尔模型 | 第17页 |
| 2.1.2 向量空间模型 | 第17-18页 |
| 2.1.3 LDA主题模型 | 第18-20页 |
| 2.2 文本分类 | 第20-23页 |
| 2.2.1 朴素贝叶斯分类 | 第20-21页 |
| 2.2.2 支持向量机 | 第21-23页 |
| 2.2.3 K近邻分类 | 第23页 |
| 2.3 SFA算法 | 第23-25页 |
| 2.3.1 SFA算法简介 | 第23-24页 |
| 2.3.2 谱聚类算法 | 第24-25页 |
| 2.4 标签传播算法及RAK算法 | 第25-28页 |
| 2.4.1 标签传播算法 | 第25-26页 |
| 2.4.2 RAK算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 话题自适应微博情感分类 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 问题描述 | 第30-31页 |
| 3.3 话题间主题相似性的判断 | 第31-32页 |
| 3.4 SFA算法的应用 | 第32-35页 |
| 3.4.1 枢纽特征的选取 | 第33页 |
| 3.4.2 二部特征图的构建 | 第33-35页 |
| 3.4.3 非枢纽特征的对齐 | 第35页 |
| 3.5 潜在特征空间的引入 | 第35-37页 |
| 3.6 非文本特征的添加 | 第37-38页 |
| 3.7 实验及结果分析 | 第38-42页 |
| 3.7.1 实验环境 | 第38页 |
| 3.7.2 实验的评价指标 | 第38页 |
| 3.7.3 微博语料描述人 | 第38-39页 |
| 3.7.4 其他资源与工具介绍 | 第39-40页 |
| 3.7.5 LDA判断主题相似性实验 | 第40-41页 |
| 3.7.6 对目标话题分类效果的影响 | 第41-42页 |
| 3.8 本章小结 | 第42-45页 |
| 第4章 基于重叠社区发现的典型观点汇总 | 第45-63页 |
| 4.1 引言 | 第45-46页 |
| 4.2 问题描述 | 第46-47页 |
| 4.3 观点词网络的构建 | 第47-49页 |
| 4.3.1 观点词的抽取 | 第47-48页 |
| 4.3.2 观点词相关度的计算 | 第48-49页 |
| 4.3.3 观点词网络的构建 | 第49页 |
| 4.4 观点词重叠社区的发现 | 第49-55页 |
| 4.4.1 SLPA简介 | 第50-52页 |
| 4.4.2 基于SLPA的观点词重叠社区发现 | 第52-55页 |
| 4.5 微博类簇的形成 | 第55-56页 |
| 4.6 典型观点的抽取 | 第56-57页 |
| 4.7 实验及结果分析 | 第57-62页 |
| 4.7.1 实验环境 | 第57-58页 |
| 4.7.2 微博语料描述 | 第58页 |
| 4.7.3 基于SLPA的观点词重叠社区发现结果及分析 | 第58-60页 |
| 4.7.4 微博类簇的构建结果及分析 | 第60-61页 |
| 4.7.5 典型观点的抽取结果及分析 | 第61-62页 |
| 4.8 本章小结 | 第62-63页 |
| 第5章 结论与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63页 |
| 5.2 进一步研究工作 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻硕期间发表的论文及参加的项目 | 第71页 |