| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 本论文专用术语 | 第12-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 情感分类 | 第14-17页 |
| 1.2.2 基于主题模型的情感分类 | 第17-18页 |
| 1.2.3 基于多标记学习的情感分类 | 第18-20页 |
| 1.3 研究内容 | 第20-22页 |
| 1.3.1 问题描述 | 第20-21页 |
| 1.3.2 主要工作 | 第21-22页 |
| 1.4 论文组织结构 | 第22-23页 |
| 第二章 相关背景知识 | 第23-29页 |
| 2.1 LDA主题模型 | 第23-26页 |
| 2.2 多标记学习相关技术 | 第26-27页 |
| 2.2.1 问题转换 | 第26-27页 |
| 2.2.2 算法适应 | 第27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于带权情感主题模型的社会情感预测 | 第29-39页 |
| 3.1 模型假设与符号说明 | 第29-30页 |
| 3.2 带权情感主题模型构建 | 第30-34页 |
| 3.2.1 数据预处理 | 第31页 |
| 3.2.2 基于情感熵的样本权重估计方法 | 第31-32页 |
| 3.2.3 构建词级情感词典 | 第32页 |
| 3.2.4 构建主题级情感词典 | 第32-34页 |
| 3.3 实验与分析 | 第34-37页 |
| 3.3.1 实验环境 | 第34页 |
| 3.3.2 数据集 | 第34页 |
| 3.3.3 评价指标 | 第34-35页 |
| 3.3.4 实验设置 | 第35-36页 |
| 3.3.5 实验结果与分析 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于多标记学习的社会情感预测 | 第39-57页 |
| 4.1 情感标记相关性 | 第39-40页 |
| 4.2 基于多标记学习的情感预测模型 | 第40-49页 |
| 4.2.1 校准标记排序算法 | 第41-44页 |
| 4.2.2 Randomk-Labelsets算法 | 第44-47页 |
| 4.2.3 分类器链算法 | 第47-49页 |
| 4.3 实验设计和分析 | 第49-55页 |
| 4.3.1 实验环境 | 第49-51页 |
| 4.3.2 数据集 | 第51页 |
| 4.3.3 评价指标 | 第51-52页 |
| 4.3.4 实验设置 | 第52-53页 |
| 4.3.5 实验结果与分析 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 基于社会情感预测的舆情分析系统 | 第57-67页 |
| 5.1 功能概述 | 第57页 |
| 5.2 系统架构 | 第57-58页 |
| 5.3 系统实现 | 第58-65页 |
| 5.3.1 数据抓取模块 | 第58-61页 |
| 5.3.2 社会情感分析与预测模块 | 第61-62页 |
| 5.3.3 用户交互模块 | 第62-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 研究展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-74页 |