| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 相关工作及研究进展 | 第19-28页 |
| 2.1 相关概念 | 第19-21页 |
| 2.1.1 文本情感分析的含义 | 第19-20页 |
| 2.1.2 文本情感分析的分类 | 第20页 |
| 2.1.3 主观性文本 | 第20页 |
| 2.1.4 停用词 | 第20-21页 |
| 2.2 文本情感分析的步骤 | 第21-24页 |
| 2.2.1 一般过程 | 第21-22页 |
| 2.2.2 文本预处理 | 第22页 |
| 2.2.3 特征选择 | 第22-23页 |
| 2.2.4 评测指标 | 第23-24页 |
| 2.3 资源及实验平台 | 第24-27页 |
| 2.3.1 语料库 | 第24-25页 |
| 2.3.2 基础情感词典 | 第25-26页 |
| 2.3.3 数据挖掘工具 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于情感词的中文情感分析 | 第28-40页 |
| 3.1 情感词典的构建及点互信息的计算 | 第28-31页 |
| 3.1.1 情感和情感词 | 第28页 |
| 3.1.2 情感词典及其构建方法 | 第28-30页 |
| 3.1.3 点互信息及情感词SO值的计算 | 第30-31页 |
| 3.2 算法设计与分析 | 第31-34页 |
| 3.2.1 SO-PMI-local算法设计 | 第31页 |
| 3.2.2 改进的SO-PMI-IR算法 | 第31-34页 |
| 3.3 实验过程及结果 | 第34-39页 |
| 3.3.1 实验数据分析 | 第34-35页 |
| 3.3.2 基本情感词典的选择 | 第35-36页 |
| 3.3.3 搜索引擎的选择和开源库函数的改进 | 第36-37页 |
| 3.3.4 实验结果及分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 中文情感分析中的SO-PMI-Lexicon算法设计 | 第40-45页 |
| 4.1 算法设计 | 第40-41页 |
| 4.1.1 SO-PMI-IR算法存在的问题 | 第40页 |
| 4.1.2 SO-PMI-Lexicon算法设计 | 第40-41页 |
| 4.2 算法分析 | 第41-43页 |
| 4.2.1 SO-PMI-Lexicon算法的特点 | 第41-42页 |
| 4.2.2 情感词噪音消除 | 第42-43页 |
| 4.3 实验结果及分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 中文情感分析中的hybrid-SVM算法设计 | 第45-54页 |
| 5.1 有监督学习算法 | 第45-47页 |
| 5.1.1 朴素贝叶斯 | 第45-46页 |
| 5.1.2 C4.5决策树 | 第46-47页 |
| 5.1.3 支持向量机算法 | 第47页 |
| 5.2 算法设计与分析 | 第47-48页 |
| 5.2.1 使用语法规则提炼特征 | 第47-48页 |
| 5.2.2 hybrid-SVM算法设计 | 第48页 |
| 5.3 实验过程及结果 | 第48-53页 |
| 5.3.1 数据预处理 | 第48-50页 |
| 5.3.2 基准实验结果的获得 | 第50-52页 |
| 5.3.3 实验结果及分析 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-58页 |
| 6.1 总结 | 第54-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
