logo
教育论文中心  教育论文中心   广告服务  广告服务   论文搜索  论文搜索   论文发表  论文发表   会员专区  会员专区   在线购卡   在线购卡   服务帮助  服务帮助   联系我们  联系我们   网站地图  网站地图   硕士论文  会员专区   博士论文
当前位置:教育论文中心首页--硕士论文--中文微博情感分类研究
博硕论文分类列表
工业技术 交通运输 农业科学
生物科学 航空航天 历史地理
医学卫生 语言文字 环境科学
综合图书 政治法律 社会科学
马列主义、毛泽东思想 艺术
数理科学和化学 文学
天文学、地理科学 军事
文化科学、教育体育 经济
自然科学总论 哲学
查看更多分类
 
论文搜索
 
 
相关论文
飞滑式输电线路巡线机器人控制系统
基于AUTOSAR规范的嵌入式实
中文情感分类研究与应用
基于词向量和SVM的中文情感
中文情感分类研究
基于规则与模型相结合的中文微博情
基于自动标注训练集的中文情感
中文情感分类研究
基于Hadoop的中文主观情
基于三支决策的中文文本情感
情感词典的构建及其在情感
基于流形正则化和情感要素的半监督
基于情感时序距离的文本情感分类
面向评论的中文文本情感分类
面向动画自动生成的中文短信信息抽
使用深度学习技术的中文情感
新闻传播主体论
平台企业与利益相关者的竞合关
李开复新浪微博高影响力专题研究
基于LDA算法的旅游企业营销
企业营销主题及其表现形式对消
基于谱聚类的关注推荐方法研究
娱乐明星研究--以“女王
电影的营销模式研究
企业官方运营策略研究--以新
我国省级公共图书馆服务现状分
市场化纸媒对消息的使用研究-
《广西日报》内容运营研究
面向中文文本的情感分类研究
基于句子结构的中文情绪分析系
中文文本自动分类方法的研究和实现
基于SVM的中文文本自动分类系统
基于支持向量机的中文网页自动分类
基于上下文语境的中文情感分析
基于情感倾向分析系统的研究
社会网络新媒体的信息获取与情感
基于LDA的情感分类及主题情感
中文文本情感倾向性分类研究
中文文本情感分类研究
基于LSTM和LDA模型的患者情
聊天系统文本情感细粒度分类研究
中文情感分析技术研究
面向目标的中文情感分析研究
基于规则与机器学习方法的中文
中文文本层次分类研究及其在唐诗分
报纸官方研究--以新浪微博平
网络演化机制实证分析及应用-
律师的作用及规范--以在新浪
基于条件随机场和情感词典的中文
人才队伍分类研究--创新人才队伍
基于中文的热点事件情感倾向分
基于改进的SVM-KNN算法的中
中文情感倾向性分析与情感要素
中文的话题检测及预警
中文文本自动分类系统研究—汉语分
概念整合理论视角下幽默的认知
基于多示例多标记学习的细粒度
 
科目列表
市场营销 管理理论 人力资源
电子商务 社会实践 先进教育
伦理道德 艺术理论 环境保护
农村研究 交通相关 烟草论文
电子电气 财务分析 融资决策
电影艺术 国学论文 材料工程
语文论文 数学论文 英语论文
政治论文 物理论文 化学论文
生物论文 美术论文 历史论文
地理论文 信息技术 班主任
音乐论文 体育论文 劳技论文
自然论文 德育管理 农村教育
素质教育 三个代表 旅游管理
国际贸易 哲学论文 工商管理
证券金融 社会学 审计论文
会计论文 建筑论文 电力论文
水利论文 园林景观 农林学
中医学 西医学 心理学
公安论文 法学法律 思想汇报
法律文书 总结报告 演讲稿
物业管理 经济学 论文指导
计算机 护理论文 社会调查
军事论文 化工论文 财政税收
保险论文 物流论文 语言教育
教育教学 给水排水 暖通论文
结构论文 综合类别 硕士论文
博士论文    
 
 
中文微博情感分类研究
 
     论文目录
 
摘要第3-4页
Abstract第4页
第1章 引言第8-17页
    1.1 研究背景及意义第8-9页
    1.2 研究现状第9-14页
        1.2.1 主客观分析研究现状第10-11页
        1.2.2 主观文本的情感倾向性分析的研究现状第11-12页
        1.2.3 情感要素抽取的研究现状第12-13页
        1.2.4 微博情感分析研究现状第13-14页
    1.3 研究内容与难点第14-16页
        1.3.1 研究内容第14-15页
        1.3.2 研究难点第15-16页
    1.4 论文组织结构第16-17页
第2章 文本情感分析相关知识第17-31页
    2.1 文本预处理技术第17-20页
        2.1.1 分词第17页
        2.1.2 去除停用词第17-18页
        2.1.3 词项归一化第18页
        2.1.4 词性标注第18页
        2.1.5 句法分析第18-19页
        2.1.6 命名实体识别第19页
        2.1.7 指代消解第19-20页
    2.2 文本的计算机表示模型第20-21页
        2.2.1 词袋模型第20页
        2.2.2 向量空间模型第20-21页
    2.3 特征选择第21-25页
        2.3.1 文档频率第21页
        2.3.2 信息增益第21-22页
        2.3.3 互信息第22页
        2.3.4 CHI 统计第22-25页
    2.4 文本分类算法第25-28页
        2.4.1 朴素贝叶斯第25-26页
        2.4.2 支持向量机第26-28页
    2.5 情感分析资源第28-30页
        2.5.1 情感分析的语料第28页
        2.5.2 情感词典第28-30页
    2.6 本章小结第30-31页
第3章 微博情感特征抽取第31-45页
    3.1 微博简介第31-35页
        3.1.1 微博的语言特点第31-33页
        3.1.2 中英文微博比较第33-35页
    3.2 微博情感特征分析第35-42页
        3.2.1 主题标签第36-37页
        3.2.2 情感词典第37-40页
        3.2.3 否定第40页
        3.2.4 情感短语词第40页
        3.2.5 词性第40-41页
        3.2.6 表情第41页
        3.2.7 标点符号第41-42页
    3.3 微博情感特征抽取第42-44页
        3.3.1 基于微博语义的特征抽取第42-43页
        3.3.2 基于 Unigram 和 CHI 统计的微博情感特征抽取第43-44页
    3.4 本章小结第44-45页
第4章 算法设计与实现第45-54页
    4.1 分类算法流程图第45页
    4.2 基于规则的微博情感分类第45-48页
        4.2.1 基于表情词表的情感分类第46页
        4.2.2 基于情感词典的情感分类第46-47页
        4.2.3 基于表情和情感词典的情感分类第47-48页
    4.3 基于机器学习的情感分类第48-50页
        4.3.1 基于微博语义特征的 SVM 情感分类第49-50页
        4.3.2 基于 Unigram 和 CHI 统计特征的 SVM 情感分类第50页
    4.4 系统实现第50-53页
        4.4.1 数据预处理模块第51-52页
        4.4.2 特征计算模块第52页
        4.4.3 分类器第52-53页
    4.5 本章小结第53-54页
第5章 实验与分析第54-63页
    5.1 实验数据第54-56页
    5.2 实验评估指标第56-58页
    5.3 实验设计与结果分析第58-62页
        5.3.1 实验语料分析第58-59页
        5.3.2 实验设置与结果分析第59-62页
    5.4 本章小结第62-63页
第6章 总结与展望第63-66页
    6.1 工作总结第63-64页
    6.2 不足与展望第64-66页
参考文献第66-69页
致谢第69-70页
附录第70-71页
个人简历、在学期间发表的学术论文与研究成果第71页

 
 
论文编号BS3463435,这篇论文共71
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!
 您可能感兴趣的论文
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。
 
 
| 会员专区 | 在线购卡 | 广告服务 | 网站地图 |
版权所有 教育论文中心 Copyright(C) All Rights Reserved
联系方式: QQ:277865656 或写信给我