菜单
　　
    摘要：随着Web2.0的发展，微博渐渐成为普通大众生活中必不可少的一部分，人们利用微博进行网上交流和网上评论。不断更新的微博具有巨大的信息量，而且微博中所表达的信息都是用户的真实情感和感受，微博信息中隐藏着巨大的价值。但是目前对英文微博情感分析较多，中文微博情感分析尚处于起步阶段。本文采用监督学习的方法进行微博情感分析研究，比较了七种分类器的实验效果。首先，利用结巴分词技术对微博信息进行分词预处理；然后，选取五类特征集：基于四个词典的特征集、基于N-POS的特征集、基于模式的特征集、基于特殊字符的特征集和基于句子长度的特征；最后使用七种分类器分别训练模型，做比较性实验。39911
    毕业论文关键词：微博情感分析；情感分析; 多特征; 监督学习
    Sentiment Analysis of Chinese Micro-blog  Based on Supervised Learning
    Abstract: With the development of the Web2.0, micro-blogs gradually become a common essential part of the public life. People communicate with each other and make comments on the Internet by micro-blogs. Micro-blogs are updating constantly everyday and have huge information. Apart form it, the reviews in the micro-blogs are true feelings of the users, thus there are huge hidden values in them. However, the existing research is more about foreign micro-blogs, but Chinese micro-blog sentiment analysis is still in its infancy. This paper uses the method based on supervised learning to analyze micro-blog sentiment, comparing the experimental results of seven kinds of classifiers. Firstly, it uses jieba technique to preprocess the micro-blog texts; then it selects five kinds of feature sets: sentiment lexicons based feature sets, Part of speech combination (N-POS) based feature sets, patterns based feature sets，special symbols based feature sets and sentence length based feature set; finally, it employees seven classifiers to train the model separately and compares their experimental results.
     Key words: sentiment analysis of micro-blog; sentiment analysis; multi-feature; supervised learning
    目  录
    1 绪论    1
    1.1 研究背景    1
    1.2 研究的目的与意义    1
    1.3 国内外研究现状    2
    1.3.1 文本情感分析研究现状    2
    1.3.2 微博情感分析研究现状    3
    1.4 论文的主要研究内容    4
    1.5 论文的组织结构    5
    2 相关介绍与理论概述    6
    2.1微博相关概述    6
    2.1.1微博的定义与发展    6
    2.1.2 中文微博中的符号    6
    2.1.3中文微博研究中的困难    6
    2.2文本预处理技术    7
    2.3 特征选择    7
    2.3.1常用的特征选择算法    7
    2.3.2特征选择方法优缺点比较    9
    2.3.3微博的特征选择方法    9
    2.4本章小结    9
    3 基于监督学习的微博情感分析    10
    3.1 监督学习相关介绍    10
    3.2 基于监督学习的整体框架    10
    3.2.1 情感分类    10
    3.2.2 监督学习过程    10
    3.3 特征产生    11
    3.3.1 词典特征    11
    3.3.2 N-POS特征    13
    3.3.3 词性与中文组合特征    13
    3.3.4 特殊字符特征    14
    3.3.5 句子长度特征    14
    3.4 分类器    15
    3.4.1 支持向量机    15
    3.4.2 朴素贝叶斯    15
    3.4.3 K近邻    16
    3.4.4 决策树    16
  1. 上一篇：jsp网上订餐效益分析系统的设计与实现
  2. 下一篇：中小企业网络的规划与设计

  1. 基于MATLAB的图像增强算法设计

  2. 基于Kinect的手势跟踪与识别算法设计

  3. JAVA基于安卓平台的医疗护工管理系统设计

  4. 基于核独立元分析的非线...

  5. 基于Hadoop的制造过程大数据存储平台构建

  6. 基于安卓系统的测量软件...

  7. 基于VC++的GIS矢量图形系统开发

  8. 大众媒体对公共政策制定的影响

  9. 中考体育项目与体育教学合理结合的研究

  10. 河岸冲刷和泥沙淤积的监测国内外研究现状

  11. 十二层带中心支撑钢结构...

  12. 酸性水汽提装置总汽提塔设计+CAD图纸

  13. 当代大学生慈善意识研究+文献综述

  14. 杂拟谷盗体内共生菌沃尔...

  15. 乳业同业并购式全产业链...

  16. java+mysql车辆管理系统的设计+源代码

  17. 电站锅炉暖风器设计任务书

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回