| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要内容和结构安排 | 第14-15页 |
| 第2章 相关技术和资源 | 第15-20页 |
| 2.1 预处理技术 | 第15-16页 |
| 2.2 微博文本表示 | 第16-17页 |
| 2.3 情感资源介绍 | 第17-18页 |
| 2.4 情感分类评估方法 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 基于情感词典的情感分类 | 第20-30页 |
| 3.1 基于情感词典的情感分类 | 第20-21页 |
| 3.1.1 微博的情感分类介绍 | 第20页 |
| 3.1.2 基于情感词典的情感分类算法 | 第20-21页 |
| 3.2 基于情感计算的情感分类算法 | 第21-23页 |
| 3.2.1 情感词的权重 | 第21-22页 |
| 3.2.2 情感倾向性计算 | 第22页 |
| 3.2.3 算法描述 | 第22-23页 |
| 3.3 实验设计与结果分析 | 第23-29页 |
| 3.3.1 实验数据 | 第23-24页 |
| 3.3.2 SCAAC算法性能分析 | 第24-27页 |
| 3.3.3 SCAAC算法实验结果与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于分类器融合的情感分类 | 第30-43页 |
| 4.1 特征选择 | 第30-33页 |
| 4.1.1 互信息(MI,Mutual Information) | 第30页 |
| 4.1.2 卡方检验(Chi-square) | 第30-32页 |
| 4.1.3 信息增益(IG,Information Gain) | 第32-33页 |
| 4.2 基于分类器融合的情感分类算法设计 | 第33-39页 |
| 4.2.1 朴素贝叶斯情感分类 | 第33-34页 |
| 4.2.2 SVM情感分类 | 第34-36页 |
| 4.2.3 KNN情感分类 | 第36-37页 |
| 4.2.4 分类器融合的情感分类算法原理 | 第37-39页 |
| 4.3 实验 | 第39-42页 |
| 4.3.1 SCACF算法性能分析 | 第39-41页 |
| 4.3.2 SCACF算法实验结果分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于特征融合的情感分类 | 第43-59页 |
| 5.1 微博特征对情感分类的影响 | 第43-51页 |
| 5.1.1 词性特征对微博情感分类的影响 | 第43-45页 |
| 5.1.2 表情符号对微博情感分类的影响 | 第45-47页 |
| 5.1.3 语法关系对微博情感分类的影响 | 第47-51页 |
| 5.2 基于特征融合的情感分类算法 | 第51-54页 |
| 5.2.1 特征选择和融合 | 第51-52页 |
| 5.2.2 基于特征融合情感分类实现 | 第52-54页 |
| 5.3 实验结果与分析 | 第54-58页 |
| 5.3.1 SCAFF算法性能分析 | 第54-56页 |
| 5.3.2 SCAFF算法实验结果分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |