声明
摘要
1 绪论
1.1 研究背景
1.2 研究现状
1.2.1 情感分析相关概念及任务
1.2.2 微博情感分析的发展现状
1.3 本文的主要工作
1.4 本文的组织结构
2 机器学习相关技术
2.1 性能评价方法
2.2 支持向量机算法
2.3 半监督学习方法
3 基于中文微博的情感评价单元构建方法研究
3.1 文本预处理
3.2 微博产品情感评价词典的构建
3.2.1 情感评价词语候选集构建
3.2.2 情感评价词语筛选
3.2.3 情感评价词典实验研究
3.3 副词词典的构建
3.4 产品评价对象词典构建
3.4.1 评价对象
3.4.2 产品评价对象筛选
3.5 情感评价单元构建
3.5.1 相关研究
3.5.2 算法流程
3.5.3 实验研究
4 基于半监督学习的微博产品评价分类算法研究
4.1 微博产品评价分类流程
4.2 情感评价单元特征提取
4.3 直推式支持向量机算法
4.4 基于图局部与全局一致性的分类算法研究
4.4.1 局部与全局一致性算法
4.4.2 LP-SVM分类算法
4.4.3 标准数据集实验
4.5 微博产品评价的半监督分类算法
4.5.1 算法流程
4.5.2 算法实验
5 基于评价分类的产品推荐算法研究
5.1 微博影响力
5.1.1 影响因素
5.1.2 数据标准化
5.2 推荐衡量指标
5.2.1 微博产品评价值
5.2.2 产品评价类别分布值
5.3 微博产品推荐算法流程
5.4 实证研究
5.4.1 实验样本集
5.4.2 评价分类
5.4.3 推荐指标计算
5.4.4 产品推荐结果
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢