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--基于词向量和SVM的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
情感词典构建及其在情感
面向动画自动生成中文短信信息抽
基于判别公共矢量模式识别技术及
基于纹理特征地表覆盖分类算法研
使用深度学习技术中文情感
中文情感分类研究与应用
中文情感倾向性分析与情感要素
面向中文文本情感分类研究
中文话题检测及预警
中文评论与主题相关性
基于规则相似性分类过程在复杂
基于支持向量遥感分类对比研究
水情电报翻译研究
面向对象软件测试技术研究
中文情感分析技术研究
基于中文文本情感分类情感宣泄系
基于人为误差支持向量
中文情感分析关键技术研究
中文情感倾向性分析研究
基于规则与机器学习方法中文
基于形式概念分析图像数据挖掘研
基于DNN及向量空间模型中文
基于语义分析中文情感分类
基于条件随机场情感词典中文
面向中文歌词音乐情感分类研究
基于情感词典与句型分类中文
基于上下文语境中文情感分析
中文情绪分析技术研究
基于过滤驱动磁盘数据恢复模型研
中文情感分类研究
中文文本情感倾向性分类研究
基于情感时序距离文本情感分类
基于流形正则化情感要素半监督
中文情感分类研究
基于统计学习理论支持向量机算法
基于规则与模型相结合中文微博情
资源型企业转型升级动力研究--以
基于自动标注训练集中文情感
基于向量主题向量文本分类
基于LDA模型情感分析技术
网络舆情中文信息情感倾向分析研究
研究性学习主题网站“滕阁之风”
基于特征模板SVM中文微博观
面向观众电影情感内容表示与识别
基于LDA情感分类及主题情感
基于模糊聚类分析与最小二乘支持向
基于多示例多标记学习细粒度
基于内容挖掘话题情感分析研
面向目标中文情感分析研究
 
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    
 
 
基于词向量和SVM的中文微博情感分类研究
 
     论文目录
 
中文摘要第3-4页
Abstract第4-5页
1 绪论第9-15页
    1.1 研究背景及意义第9-10页
    1.2 研究现状第10-13页
    1.3 主要研究内容及创新点第13-14页
    1.4 论文组织结构第14-15页
2 文本情感分析相关技术第15-28页
    2.1 文本预处理第15-18页
        2.1.1 中文分词第15-16页
        2.1.2 停用词处理第16-17页
        2.1.3 词性标注第17-18页
    2.2 情感词典相关知识第18-20页
        2.2.1 基于知识库的方法第18-19页
        2.2.2 基于语料库的方法第19-20页
        2.2.3 知识库和语料库相结合的方法第20页
    2.3 文本表示模型第20-21页
        2.3.1 布尔模型第21页
        2.3.2 向量空间模型第21页
        2.3.3 统计主题模型第21页
    2.4 文本特征选择第21-23页
        2.4.1 文档频率第21-22页
        2.4.2 信息增益第22页
        2.4.3 卡方检验第22-23页
        2.4.4 互信息第23页
    2.5 分类方法第23-26页
        2.5.1 支持向量机第23-24页
        2.5.2 朴素贝叶斯分类器第24-25页
        2.5.3 K近邻第25-26页
        2.5.4 决策树第26页
    2.6 分类评估指标第26-27页
    2.7 本章小节第27-28页
3 微博情感词典构建的研究第28-37页
    3.1 基于情感词典的文本情感分类第28-29页
    3.2 相关技术介绍第29-30页
        3.2.1 Good-Turing简介第29页
        3.2.2 SO-PMI算法第29-30页
    3.3 情感词典的构建第30-33页
        3.3.1 基础情感词典的构建第31页
        3.3.2 候选微博情感词的提取第31页
        3.3.3 候选微博情感词倾向性的判断第31-33页
        3.3.4 否定词词典的构建第33页
    3.4 实验结果和分析第33-36页
        3.4.1 实验数据选择第34页
        3.4.2 实验方案第34页
        3.4.3 实验结果第34-35页
        3.4.4 实验分析第35-36页
    3.5 本章小节第36-37页
4 基于SVMperf的中文微博情感分类第37-52页
    4.1 基于机器学习的文本情感分类第37-38页
    4.2 相关技术介绍第38-45页
        4.2.1 word2vec工具第38-42页
        4.2.2 SVMperf工具第42页
        4.2.3 KPCA算法第42-45页
    4.3 训练词向量第45页
    4.4 情感词典扩充第45-46页
    4.5 特征提取的过程第46-47页
        4.5.1 有效特征的表示和抽取第46页
        4.5.2 有效特征的维度降低第46-47页
    4.6 模型的训练和分类第47-48页
    4.7 实验结果和分析第48-51页
        4.7.1 实验数据选择第49页
        4.7.2 实验方案第49页
        4.7.3 实验结果第49-50页
        4.7.4 实验分析第50-51页
    4.8 本章小节第51-52页
5 结论与展望第52-54页
    5.1 结论第52-53页
    5.2 展望第53-54页
致谢第54-56页
参考文献第56-61页
附录第61页
    A.作者在攻读学位期间发表的论文目录第61页

 
 
论文编号BS4054908,这篇论文共61
会员购买按0.35元/页下载,共需支付21.35元。        直接购买按0.5元/页下载,共需要支付30.5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