中文文本情感分析研究
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12页 |
| 1.4 本文的章节结构 | 第12-15页 |
| 第2章 中文情感分析研究综述 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 情感分析概述 | 第15-21页 |
| 2.2.1 文本主客观性识别 | 第16-17页 |
| 2.2.2 情感信息抽取 | 第17-18页 |
| 2.2.3 情感倾向性分析 | 第18-20页 |
| 2.2.4 情感强度计算 | 第20-21页 |
| 2.3 情感分析的关键技术 | 第21-27页 |
| 2.3.1 基于情感词典的方法 | 第21页 |
| 2.3.2 基于语料库的方法 | 第21-22页 |
| 2.3.3 基于机器学习的方法 | 第22-25页 |
| 2.3.4 基于深度学习的方法 | 第25-27页 |
| 2.4 国内情感分析评测及资源 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于词向量的词语情感倾向性分析 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 词向量 | 第29-33页 |
| 3.2.1 词向量的表示 | 第29-30页 |
| 3.2.2 词向量的训练 | 第30页 |
| 3.2.3 word2vec | 第30-33页 |
| 3.2.4 词向量的应用 | 第33页 |
| 3.3 基于词向量的词语情感极性分析 | 第33-34页 |
| 3.3.1 基准词构建与新词发现 | 第34页 |
| 3.3.2 新词倾向性判断 | 第34页 |
| 3.4 实验与结果分析 | 第34-37页 |
| 3.4.1 基于词向量方法的验证实验 | 第34-36页 |
| 3.4.2 参数设置 | 第36-37页 |
| 3.4.3 对比试验 | 第37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于规则和句法树的中文句子倾向性分析 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 句法分析 | 第39-41页 |
| 4.3 本文方法 | 第41-45页 |
| 4.3.1 词语情感符号判断 | 第41-42页 |
| 4.3.2 句法树的构造 | 第42-44页 |
| 4.3.3 句子情感分析模型 | 第44-45页 |
| 4.4 实验与结果分析 | 第45-47页 |
| 4.4.1 实验数据 | 第45-46页 |
| 4.4.2 评价指标 | 第46页 |
| 4.4.3 实验设计 | 第46页 |
| 4.4.4 结果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于递归神经网络的微博话题情感分析 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 递归神经网络 | 第48-49页 |
| 5.3 Softmax回归模型 | 第49-52页 |
| 5.4 本文方法 | 第52-57页 |
| 5.4.1 基于递归神经网络的句子情感分类 | 第53-56页 |
| 5.4.2 基于句子情感加权的话题情感倾向计算 | 第56-57页 |
| 5.5 实验与结果分析 | 第57-60页 |
| 5.5.1 句子情感分类实验 | 第57-58页 |
| 5.5.2 话题情感倾向分析实验 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 全文工作总结 | 第61页 |
| 6.2 进一步工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-73页 |
