音乐社交平台用户情绪特征研究--基于网易云音乐评论
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-16页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 问题提出 | 第12-15页 |
| 1.1.3 研究意义 | 第15-16页 |
| 1.2 研究思路与研究内容 | 第16-20页 |
| 1.2.1 研究思路 | 第16-19页 |
| 1.2.2 研究内容 | 第19-20页 |
| 1.3 论文的组织结构安排 | 第20-22页 |
| 1.4 本章小结 | 第22-23页 |
| 2 文献综述 | 第23-39页 |
| 2.1 音乐社交平台相关研究 | 第23-26页 |
| 2.1.1 音乐社交平台及其评论 | 第23-24页 |
| 2.1.2 音乐社交中的情感营销 | 第24-25页 |
| 2.1.3 音乐社交平台述评 | 第25-26页 |
| 2.2 音乐情绪及情感相关研究 | 第26-31页 |
| 2.2.1 音乐情绪的概念 | 第26-27页 |
| 2.2.2 音乐的情绪与情感 | 第27页 |
| 2.2.3 音乐情绪的体验与认知机制 | 第27-29页 |
| 2.2.4 音乐情绪的研究方法 | 第29-30页 |
| 2.2.5 音乐情绪及情感述评 | 第30-31页 |
| 2.3 音乐意象相关研究 | 第31-34页 |
| 2.3.1 音乐意象的界定 | 第31-32页 |
| 2.3.2 音乐情绪的意象 | 第32-33页 |
| 2.3.3 音乐意象的研究方法 | 第33-34页 |
| 2.3.4 音乐意象述评 | 第34页 |
| 2.4 文本挖掘相关研究 | 第34-38页 |
| 2.4.1 文本挖掘及其研究现状 | 第34-35页 |
| 2.4.2 文本的意见挖掘 | 第35-38页 |
| 2.4.3 文本挖掘述评 | 第38页 |
| 2.5 本章小结 | 第38-39页 |
| 3 数据的获取与处理 | 第39-57页 |
| 3.1 数据爬取 | 第39-41页 |
| 3.2 文本预处理 | 第41-50页 |
| 3.2.1 数据清洗整理 | 第42-45页 |
| 3.2.2 中文分词 | 第45-47页 |
| 3.2.3 汉语言词性标注与命名实体识别 | 第47-50页 |
| 3.3 文本数据的特征提取 | 第50-56页 |
| 3.3.1 词袋模型 | 第50-51页 |
| 3.3.2 Tf-Idf特征 | 第51-52页 |
| 3.3.3 Word2Vec 词向量模型 | 第52-56页 |
| 3.4 本章小结 | 第56-57页 |
| 4 基于评论的音乐情感分类 | 第57-67页 |
| 4.1 基于评论的音乐情感分类及其算法 | 第57-58页 |
| 4.2 基于评论的分类模型 | 第58-64页 |
| 4.2.1 逻辑回归分类器 | 第58-61页 |
| 4.2.2 音乐情感分类的逻辑回归模型 | 第61-64页 |
| 4.3 情感分析结果 | 第64-65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 音乐情绪特征研究 | 第67-86页 |
| 5.1 音乐情绪特征的评价指标 | 第67-68页 |
| 5.1.1 指标的构建 | 第67页 |
| 5.1.2 指标的判定标准 | 第67-68页 |
| 5.2 音乐主题与主题模型 | 第68-72页 |
| 5.2.1 评论中的音乐主题 | 第69-70页 |
| 5.2.2 LDA主题模型 | 第70-72页 |
| 5.3 融合情感、语义的主题模型 | 第72-79页 |
| 5.3.1 模型的构建 | 第72-75页 |
| 5.3.2 模型的训练 | 第75-79页 |
| 5.4 特征分布结果与讨论 | 第79-84页 |
| 5.4.1 语义空间分布 | 第80-82页 |
| 5.4.2 情感积极性分布 | 第82-83页 |
| 5.4.3 用户音乐情绪特征 | 第83-84页 |
| 5.5 本章小结 | 第84-86页 |
| 6 总结与展望 | 第86-90页 |
| 6.1 总结 | 第86-88页 |
| 6.2 展望 | 第88-90页 |
| 参考文献 | 第90-97页 |
| 攻读学位期间的研究成果 | 第97-98页 |
| 致谢 | 第98-99页 |
