首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

社交媒体中观点信息分析与应用

摘要第1-11页
ABSTRACT第11-14页
第一章 绪论第14-34页
   ·研究背景第14-20页
     ·社交媒体第14-18页
     ·观点分析第18-20页
   ·研究问题第20-22页
   ·相关研究第22-27页
     ·观点挖掘第22-25页
     ·观点集成第25-26页
     ·传播行为分析第26-27页
   ·研究内容与方法第27-30页
     ·本文研究内容第27-28页
     ·本文研究方法第28-30页
   ·本文主要贡献第30页
   ·本文结构第30-34页
第二章 应用语义关系自动构建情感词典第34-54页
   ·引言第34页
   ·相关工作第34-39页
     ·词典覆盖面第34-35页
     ·词典内容第35-36页
     ·词典构建方法第36-38页
     ·词典转化第38页
     ·混合方法第38-39页
   ·词典资源简介第39-42页
     ·How Net语义知识库第39-41页
     ·Word Net语义词典第41页
     ·Sentiment Word Net情感词典第41-42页
   ·基于语义关系的情感词典构建方法第42-49页
     ·词语和义原抽取第45-46页
     ·义原情感极性值第46-48页
     ·词语情感极性值第48-49页
   ·实验第49-52页
     ·直接评测第49-52页
   ·小结第52-54页
第三章 基于语料情感词典扩展第54-68页
   ·引言第54-55页
   ·数据集及预处理第55-56页
     ·词典和语料第55页
     ·数据预处理第55-56页
   ·基于连词情感词典扩展第56-59页
     ·连词选择第56-57页
     ·极性值计算第57-59页
     ·实验第59页
   ·基于上下文情感词典扩展第59-64页
     ·上下文特征向量第60-61页
     ·基于词性特征向量的极性值计算第61-62页
     ·实验第62-64页
   ·基于混合方法情感词典扩展第64-67页
     ·基于混合方法的极性值计算第64-65页
     ·实验第65-67页
   ·小结第67-68页
第四章 无监督自举式情感分类第68-82页
   ·引言第68-69页
   ·相关工作第69-70页
   ·问题描述第70-72页
   ·自举式情感分类框架第72-78页
     ·通用情感分类器第73-74页
     ·微博情感分类器第74-75页
     ·分类器的组合第75-77页
     ·分类器算法第77-78页
   ·实验第78-81页
     ·实验描述第78-79页
     ·实验结果第79-81页
   ·小结第81-82页
第五章 用户主观性建模第82-98页
   ·引言第82-83页
   ·相关工作第83-85页
   ·观点集成问题第85-86页
   ·主观模型第86-93页
     ·模型定义第87页
     ·主观模型的构建第87-91页
     ·与生成模型比较第91-92页
     ·主观模型的应用第92-93页
   ·实验第93-97页
     ·数据集及设置第93-94页
     ·样例分析第94-95页
     ·观点预测性能第95-97页
   ·小结第97-98页
第六章 用户转发行为分析第98-114页
   ·引言第98-100页
   ·相关工作第100页
   ·基于主观模型的转发分析第100-106页
     ·主观相似性第101-103页
     ·转发行为分析第103-106页
   ·实验第106-112页
     ·数据集与实验设置第106页
     ·相关性检验第106-107页
     ·样例分析第107-109页
     ·转发预测第109-112页
   ·小结第112-114页
第七章 总结与展望第114-118页
   ·工作总结第114-115页
   ·工作展望第115-118页
致谢第118-120页
参考文献第120-142页
作者在学期间取得的学术成果第142页

论文共142页,点击 下载论文
上一篇:GMI磁传感器及磁异信号检测技术研究
下一篇:聚硅氧烷经CDC法制备纳米多孔碳研究