|
|
|
基于规则与机器学习方法的中文微博情感分析研究 |
|
论文目录 |
|
摘要 | 第3-5页 | Abstract | 第5-7页 | 第1章 绪论 | 第11-17页 | 1.1 研究背景及意义 | 第11-13页 | 1.2 国内外研究现状 | 第13-14页 | 1.3 本文的主要研究内容和组织结构 | 第14-17页 | 1.3.1 本文的研究内容 | 第14-15页 | 1.3.2 论文组织结构 | 第15-17页 | 第2章 中文微博特点研究及情感分析基础 | 第17-26页 | 2.1 中文微博特点研究 | 第17-21页 | 2.1.1 微博的语言特点 | 第17-19页 | 2.1.2 微博文本的特征分析 | 第19-21页 | 2.2 情感分析基础 | 第21-25页 | 2.2.1 文本情感分析介绍 | 第21-22页 | 2.2.2 情感分析的评测 | 第22-23页 | 2.2.3 情感分析的应用 | 第23-25页 | 2.3 本章小结 | 第25-26页 | 第3章 相关研究概述 | 第26-39页 | 3.1 中英文微博的情感分析 | 第26-27页 | 3.1.1 英文微博的情感分析 | 第26-27页 | 3.1.2 中文微博的情感分析 | 第27页 | 3.2 情感极性分类 | 第27-32页 | 3.2.1 基于词典和规则的方法 | 第28-31页 | 3.2.2 基于机器学习的方法 | 第31-32页 | 3.2.3 基于语义的分析方法 | 第32页 | 3.3 主题模型简介 | 第32-36页 | 3.3.1 LDA主题模型 | 第32-34页 | 3.3.2 BTM主题模型 | 第34-36页 | 3.4 相关机器学习模型 | 第36-38页 | 3.5 本章小结 | 第38-39页 | 第4章 算法设计与实现 | 第39-51页 | 4.1 中文微博情感词典构建 | 第39-43页 | 4.1.1 中文情感词汇本体库 | 第39-41页 | 4.1.2 网络新词 | 第41页 | 4.1.3 连词词典 | 第41-42页 | 4.1.4 程度副词词典 | 第42页 | 4.1.5 微博表情符号扩展 | 第42-43页 | 4.2 基于词典与规则的语义加权情感分析 | 第43-45页 | 4.2.1 传统的三分类的微博情感分析 | 第43页 | 4.2.2 细粒度的微博情感分析 | 第43-45页 | 4.3 基于多特征融合的情感分析 | 第45-46页 | 4.3.1 情感词特征 | 第45-46页 | 4.3.2 标点符号特征 | 第46页 | 4.3.3 句子构成特征 | 第46页 | 4.3.4 文本主题特征 | 第46页 | 4.4 基于类序列规则的情感分析 | 第46-49页 | 4.4.1 类序列规则挖掘 | 第47-48页 | 4.4.2 从微博文本中挖掘类序列规则 | 第48-49页 | 4.4.3 基于类序列规则的微博文本情感分类 | 第49页 | 4.5 本章小结 | 第49-51页 | 第5章 实验结果及分析 | 第51-58页 | 5.1 实验数据集 | 第51页 | 5.2 评价指标 | 第51-52页 | 5.3 实验对比与分析 | 第52-57页 | 5.3.1 基于不同词典的情感分析实验结果与分析 | 第52-53页 | 5.3.2 基于不同特征的细粒度情感分析实验结果与分析 | 第53-57页 | 5.3.3 基于SVM的主题相关的微博情感分析实验结果与分析 | 第57页 | 5.4 本章小结 | 第57-58页 | 第6章 总结与展望 | 第58-61页 | 6.1 本文总结 | 第58-59页 | 6.2 工作展望 | 第59-61页 | 参考文献 | 第61-66页 | 附录A 图索引 | 第66-67页 | Appendix A Figure Index | 第67-68页 | 附录B 表索引 | 第68-69页 | Appendix B Table Index | 第69-70页 | 致谢 | 第70-71页 | 攻读学位期间发表的学术论文目录 | 第71页 |
|
|
|
|
论文编号BS2816629,这篇论文共71页 会员购买按0.35元/页下载,共需支付24.85元。 直接购买按0.5元/页下载,共需要支付35.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|