社交网络中基于集对信息熵的情感分析研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 社交网络的研究现状 | 第12-14页 |
| 1.2.2 文本情感分析的研究现状 | 第14-15页 |
| 1.2.3 情感传播的研究现状 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 文本分词及情感词提取 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 文本分词算法 | 第18-23页 |
| 2.2.1 发现新词 | 第18-20页 |
| 2.2.2 文本切分 | 第20-22页 |
| 2.2.3 歧义处理 | 第22-23页 |
| 2.2.4 情感词的处理 | 第23页 |
| 2.3 系统分词整体设计模块 | 第23-25页 |
| 2.4 系统结果分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 集对信息熵的用户情感分析 | 第27-45页 |
| 3.1 引言 | 第27页 |
| 3.2 基于集对信息熵的设计 | 第27-37页 |
| 3.2.1 集对分析理论 | 第27-28页 |
| 3.2.2 信息熵 | 第28-29页 |
| 3.2.3 SP-IE用户文本情感分析 | 第29-35页 |
| 3.2.4 SP-IE表情混合情感分析 | 第35-37页 |
| 3.3 SP-IE算法设计 | 第37-41页 |
| 3.3.1 数据集及预处理 | 第37-38页 |
| 3.3.2 分析步骤 | 第38页 |
| 3.3.3 算法设计 | 第38-41页 |
| 3.4 实验结果分析 | 第41-43页 |
| 3.4.1 实验基本配置 | 第41页 |
| 3.4.2 评测指标 | 第41-42页 |
| 3.4.3 算法对比 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于传染病模型的情感分析预测 | 第45-56页 |
| 4.1 SIR模型的情感预测 | 第45-48页 |
| 4.1.1 SIR情感预测模型 | 第45-47页 |
| 4.1.2 SIR模型参数的设计 | 第47-48页 |
| 4.1.3 计算基本再生数和解 | 第48页 |
| 4.2 改进的SIRE模型 | 第48-50页 |
| 4.3 SIRE模型实现流程 | 第50-53页 |
| 4.3.1 模拟数据集 | 第50-51页 |
| 4.3.2 数据预处理 | 第51页 |
| 4.3.3 算法实现步骤 | 第51-53页 |
| 4.4 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
