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 |