基于词典的财经微博信息的情感态度挖掘
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文研究内容 | 第12页 |
| ·论文结构组成 | 第12-14页 |
| 第2章 相关研究 | 第14-26页 |
| ·国内外微博介绍 | 第14-15页 |
| ·国外微博说明 | 第14-15页 |
| ·国内微博发展 | 第15页 |
| ·公司机构名称研究 | 第15-19页 |
| ·公司机构名称组织结构 | 第16-18页 |
| ·公司名称简称研究 | 第18-19页 |
| ·微博语言特点分析 | 第19-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 情感分类研究 | 第26-40页 |
| ·情感分类的关键技术 | 第27-32页 |
| ·微博数据获取 | 第27-30页 |
| ·中文分词 | 第30-31页 |
| ·文本预处理 | 第31页 |
| ·特征选择 | 第31-32页 |
| ·基于机器学习方法 | 第32-36页 |
| ·支持向量机 | 第32-33页 |
| ·K最近邻算法 | 第33-34页 |
| ·朴素贝叶斯算法 | 第34-35页 |
| ·类中心向量法 | 第35-36页 |
| ·基于语义的分类方法 | 第36-38页 |
| ·语义分类方法介绍 | 第36-37页 |
| ·构建情感词典的必要性 | 第37页 |
| ·现有情感词典 | 第37-38页 |
| ·情感分类流程图 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 微博情感词典构建 | 第40-53页 |
| ·财经领域情感词典 | 第41-45页 |
| ·SO-PMI算法扩展 | 第43页 |
| ·领域情感词典的生成 | 第43-45页 |
| ·网络用语情感词典 | 第45-46页 |
| ·其他词性词典 | 第46-50页 |
| ·情感倾向加权计算方法 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 实验结果与分析 | 第53-60页 |
| ·实验数据介绍 | 第53-54页 |
| ·实验结果评测指标 | 第54-55页 |
| ·实验结果及分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结及展望 | 第60-61页 |
| ·本文主要工作 | 第60页 |
| ·存在的问题及下一步研究 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间主要的研究成果 | 第66-68页 |
