基于观点挖掘的用户情感倾向性分析--以新浪微博为例
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-11页 |
| ·研究动机 | 第11-12页 |
| ·研究目的 | 第12页 |
| ·研究流程 | 第12-13页 |
| 第二章 相关理论与技术基础 | 第13-35页 |
| ·微博情感字典 | 第13-16页 |
| ·微博信息特征 | 第13-14页 |
| ·微博数据采集 | 第14-16页 |
| ·数据挖掘技术 | 第16-22页 |
| ·数据库知识探索与数据挖掘 | 第16-17页 |
| ·数据挖掘技术的种类 | 第17-19页 |
| ·Apriori 算法 | 第19-21页 |
| ·演进式资料挖掘 | 第21-22页 |
| ·阶层分析法 | 第22-24页 |
| ·GEP 基因表达式程序设计 | 第24-30页 |
| ·遗传演算法 | 第25-26页 |
| ·遗传程序规划 | 第26-28页 |
| ·GEP 基因表达式程序设计 | 第28-30页 |
| ·分词用法与去除停用词用法 | 第30-32页 |
| ·分词用法 | 第30-31页 |
| ·去除停用词的用法 | 第31-32页 |
| ·词类标注 | 第32页 |
| ·中文分词及情感倾向性分析资源 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 研究方法 | 第35-42页 |
| ·研究架构 | 第35-39页 |
| ·基因编码 | 第35-37页 |
| ·适应函数 | 第37-38页 |
| ·参数设定 | 第38-39页 |
| ·数据来源与变量操作性定义 | 第39-40页 |
| ·实验设计 | 第40-41页 |
| ·模型数据 | 第40-41页 |
| ·模型评估 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第四章 实验结果分析与讨论 | 第42-61页 |
| ·前测分析 | 第42-45页 |
| ·无相互关注用户模型（M1）实验分析 | 第45-51页 |
| ·有相互关注用户模型（M2）实验分析 | 第51-56页 |
| ·分析与评估 | 第56-60页 |
| ·指标分析 | 第56-57页 |
| ·绩效指标分析 | 第57-59页 |
| ·模型评估分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |
