隨著互聯(lián)網(wǎng)的發(fā)展,越來越多的用戶主動加入到互聯(lián)網(wǎng)創(chuàng)造了大量的數(shù)據(jù),比如微博數(shù)據(jù)、論壇數(shù)據(jù)、電子商務(wù)網(wǎng)站的評論等數(shù)據(jù)都是用戶主動創(chuàng)造的數(shù)據(jù)。這些數(shù)據(jù)的一個共同點就是大部分都帶有用戶針對某一個社會問題或者某件產(chǎn)品的態(tài)度和情感。分析這些帶有用戶情感的數(shù)據(jù)不僅有經(jīng)濟價值,還有社會價值。電商網(wǎng)站可以通過分析用戶的評論數(shù)據(jù)了解用戶的需求和產(chǎn)品的性能,從而改善產(chǎn)品質(zhì)量和服務(wù)水平。政府部門通過分析網(wǎng)民的評論數(shù)據(jù),可以快速了解社會熱點問題和網(wǎng)民的對此的態(tài)度,從而做到有效的輿情分析和輿情監(jiān)控。情感分析研究是在此環(huán)境下應(yīng)運而生的。本文在前人工作的基礎(chǔ)上,創(chuàng)建了維吾爾文情感語料庫,并在此語料庫基礎(chǔ)上使用傳統(tǒng)的機器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法,找出了最適合進行維吾爾文情感分析的研究方法。雖然以前的學(xué)者們對維吾爾文情感分析進行了一定的研究,但是大部分從某一個角度進行了研究,沒有對維吾爾文情感分析整個過程做一個對比實驗。本文利用Python語言的Numpy,Pandas,Scipy,Matplotlib,BeautifulSoup,Tkinter,Scikitlearn,Gensim,Keras等庫對維吾爾文情感分析進行... 

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 情感分析技術(shù)的研究現(xiàn)狀
        1.2.1 英文和中文情感分析的研究現(xiàn)狀
        1.2.2 維吾爾文情感分析的研究現(xiàn)狀
    1.3 本文的主要工作和組織安排
第二章 情感語料庫的構(gòu)建
    2.1 標(biāo)注規(guī)范的制定
        2.1.1 標(biāo)注體系
        2.1.2 標(biāo)注集的選擇
    2.2 情感標(biāo)注平臺的設(shè)計
        2.2.1 數(shù)據(jù)收集模塊
        2.2.2 數(shù)據(jù)標(biāo)注模塊
        2.2.3 數(shù)據(jù)存儲模塊
    2.3 情感語料庫數(shù)據(jù)分析
    2.4 本章小結(jié)
第三章 基于傳統(tǒng)機器學(xué)習(xí)方法的文本情感分析
    3.1 特征選擇
        3.1.1 基于文檔頻率的特征選擇方法
        3.1.2 基于信息增益的特征選擇方法
        3.1.3 基于CHI統(tǒng)計量的特征選擇方法
        3.1.4 基于互信息的特征選擇方法
        3.1.5 數(shù)據(jù)準(zhǔn)備及性能指標(biāo)
        3.1.6 特征選擇結(jié)果分析
    3.2 傳統(tǒng)的機器學(xué)習(xí)方法
        3.2.1 基于樸素貝葉斯算法的情感分類方法
        3.2.2 基于k-最近鄰算法的情感分類方法
        3.2.3 基于邏輯回歸算法的情感分類方法
        3.2.4 基于支持向量機算法的情感分類方法
        3.2.5 基于隨機森林算法的情感分類方法
    3.3 本章小結(jié)
第四章 基于神經(jīng)網(wǎng)絡(luò)的文本情感分析
    4.1 word2vec詞向量與傳統(tǒng)分類器的結(jié)合
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的文本情感分類
    4.3 本章小結(jié)
第五章 總結(jié)與展望
參考文獻
在讀碩士研究生期間發(fā)表論文
致謝



本文編號：3702293