基于深度学习的微博文本情感分类研究与实现开题报告

全文总字数：3503字

1. 研究目的与意义（文献综述）

1.1研究背景及意义

随着互联网技术的迅速发展和普及，对网络内容管理、监控和有害（或垃圾）信息过滤的需求越来越大，网络信息的主观倾向性分类受到越来越多的关注。这种分类与传统的文本分类不同，传统的文本分类所关注的是文本的客观内容（objective），而倾向性分类所研究的对象是文本的“主观因素”，即作者所表达出来的主观倾向性，分类的结果是对于一个特定的文本要得到它是否支持某种观点的信息。这种独特的文本分类任务又称为情感分类。

2. 研究的基本内容与方案

2.1研究的基本内容及目标

（1）微博内容提取与预处理

解析并提取微博内容，首先去噪、然后分词、去除冗余，最后进行序列化处理。

3. 研究计划与安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；

4. 参考文献（12篇以上）

[1] riloff,shepherd j. a corpus-based approach for building semantic lexicons [c].1997:117-224

[2] mckeownk r. discourse strategies for generating natural-language text[m]. 1985.