基于矩阵分解的社会媒体文本个性化情感分析技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要符号对照表 | 第14-16页 |
| 第1章 引言 | 第16-28页 |
| 1.1 研究背景 | 第16-22页 |
| 1.1.1 情感分析简介 | 第18-19页 |
| 1.1.2 情感分析研究现状 | 第19-20页 |
| 1.1.3 情感分析研究存在的问题和挑战 | 第20-22页 |
| 1.2 个性化情感分析问题提出 | 第22-24页 |
| 1.2.1 个性化情感分析研究存在的问题 | 第22-23页 |
| 1.2.2 本文的解决策略 | 第23-24页 |
| 1.3 本文主要研究内容及贡献 | 第24-26页 |
| 1.4 本文组织结构 | 第26-28页 |
| 第2章 相关理论及技术 | 第28-40页 |
| 2.1 文本情感分析 | 第28-31页 |
| 2.1.1 词语级情感分析 | 第28-29页 |
| 2.1.2 句子级情感分析 | 第29页 |
| 2.1.3 对象级情感分析 | 第29-30页 |
| 2.1.4 篇章级情感分析 | 第30-31页 |
| 2.2 矩阵分解 | 第31-33页 |
| 2.3 个性化情感分析 | 第33-35页 |
| 2.4 冷启动问题 | 第35-38页 |
| 2.4.1 利用用户注册信息 | 第36页 |
| 2.4.2 利用用户调查问卷 | 第36页 |
| 2.4.3 利用物品内容信息 | 第36-37页 |
| 2.4.4 利用专家标注信息 | 第37页 |
| 2.4.5 不用任何辅助信息 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 基于联合非负矩阵分解的情绪词典构建 | 第40-56页 |
| 3.1 问题提出 | 第40-42页 |
| 3.2 相关工作 | 第42-43页 |
| 3.3 相关模型介绍 | 第43-45页 |
| 3.3.1 组合语义模型 | 第44页 |
| 3.3.2 非负矩阵分解模型 | 第44-45页 |
| 3.3.3 半监督非负矩阵分解模型 | 第45页 |
| 3.4 情绪词典构建 | 第45-50页 |
| 3.4.1 情绪词典构建框架 | 第45-46页 |
| 3.4.2 联合非负矩阵分解模型 | 第46-49页 |
| 3.4.3 情绪词典生成 | 第49-50页 |
| 3.5 基于词典的文本情感分析 | 第50-51页 |
| 3.6 实验评价 | 第51-55页 |
| 3.6.1 实验设计 | 第51-52页 |
| 3.6.2 实验结果及评价 | 第52-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第4章 基于隐语义模型的微博个性化情感分析 | 第56-72页 |
| 4.1 问题提出 | 第56-58页 |
| 4.2 相关工作 | 第58-59页 |
| 4.3 隐语义模型介绍 | 第59-60页 |
| 4.4 个性化情感分析模型 | 第60-62页 |
| 4.5 情感分析建模的细化 | 第62-66页 |
| 4.5.1 基于依存句法分析的语法单元 | 第63-64页 |
| 4.5.2 情感单元和话题单元的集成 | 第64页 |
| 4.5.3 Baseline模型的集成 | 第64-65页 |
| 4.5.4 模型训练和参数估计 | 第65-66页 |
| 4.6 实验评价 | 第66-71页 |
| 4.6.1 实验设计 | 第66-68页 |
| 4.6.2 实验结果及评价 | 第68-71页 |
| 4.7 本章小结 | 第71-72页 |
| 第5章 基于文本驱动模型的评论个性化情感分析 | 第72-92页 |
| 5.1 问题提出 | 第72-73页 |
| 5.2 相关工作 | 第73-74页 |
| 5.3 问题定义和一致性假设 | 第74-77页 |
| 5.3.1 符号及问题定义 | 第75页 |
| 5.3.2 四种一致性假设 | 第75-76页 |
| 5.3.3 四种一致性验证 | 第76-77页 |
| 5.4 文本驱动隐语义模型 | 第77-80页 |
| 5.4.1 基本预测模型 | 第78页 |
| 5.4.2 用户隐语义情感模型 | 第78页 |
| 5.4.3 产品隐语义情感模型 | 第78-79页 |
| 5.4.4 文本驱动隐语义模型 | 第79-80页 |
| 5.5 冷启动优化策略 | 第80-83页 |
| 5.5.1 冷启动问题介绍 | 第80页 |
| 5.5.2 成对评分对比策略 | 第80-82页 |
| 5.5.3 模型的冷启动优化 | 第82-83页 |
| 5.6 实验评价 | 第83-90页 |
| 5.6.1 实验设计 | 第83-84页 |
| 5.6.2 实验结果及评价 | 第84-90页 |
| 5.7 本章小结 | 第90-92页 |
| 第6章 基于深度矩阵分解的评论个性化情感分析 | 第92-106页 |
| 6.1 问题提出 | 第92-93页 |
| 6.2 相关工作 | 第93-94页 |
| 6.3 矩阵分解模型及其局限性 | 第94页 |
| 6.4 深度协同过滤框架 | 第94-96页 |
| 6.5 深度矩阵分解情感分析模型 | 第96-101页 |
| 6.5.1 DeepMF模型概览 | 第96-97页 |
| 6.5.2 泛化矩阵分解组件 | 第97页 |
| 6.5.3 多层感知器组件 | 第97-98页 |
| 6.5.4 卷积神经网络组件 | 第98-99页 |
| 6.5.5 模型参数学习 | 第99-101页 |
| 6.6 实验评价 | 第101-105页 |
| 6.6.1 实验设计 | 第101-102页 |
| 6.6.2 实验结果及评价 | 第102-105页 |
| 6.7 本章小结 | 第105-106页 |
| 第7章 实时个性化情感分析系统 | 第106-114页 |
| 7.1 问题提出 | 第106-107页 |
| 7.2 相关工作 | 第107-108页 |
| 7.3 情感分析系统框架 | 第108-109页 |
| 7.4 系统功能模块介绍 | 第109-113页 |
| 7.4.1 用户界面模块 | 第109-111页 |
| 7.4.2 数据爬取模块 | 第111页 |
| 7.4.3 数据预处理模块 | 第111-112页 |
| 7.4.4 情感分析模块 | 第112-113页 |
| 7.5 系统配置和性能 | 第113页 |
| 7.5.1 系统环境配置 | 第113页 |
| 7.5.2 系统分析性能 | 第113页 |
| 7.6 本章小结 | 第113-114页 |
| 第8章 结论 | 第114-117页 |
| 8.1 本文的主要贡献 | 第114-115页 |
| 8.2 未来工作展望 | 第115-117页 |
| 参考文献 | 第117-132页 |
| 致谢 | 第132-134页 |
| 攻读期间发表的论文 | 第134-136页 |
| 攻博期间参与的科研项目 | 第136-138页 |
| 作者简介 | 第138页 |
