数字校园中文本情感倾向性计算方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8页 |
| ·研究现状 | 第8-9页 |
| ·相关关键技术 | 第9-10页 |
| ·词典构建技术 | 第9页 |
| ·中文分词技术 | 第9-10页 |
| ·排除停用词 | 第10页 |
| ·研究目标及主要研究内容 | 第10-11页 |
| ·评论情感词典的构建 | 第10页 |
| ·中文分词的相关技术 | 第10-11页 |
| ·评论信息单元提取 | 第11页 |
| ·论文组织结构 | 第11-12页 |
| 2 基于语义相似度的评论文本情感词典构建方法 | 第12-20页 |
| ·引言 | 第12页 |
| ·相关工作 | 第12-13页 |
| ·基于语义相似度的评论文本情感词典构建算法 | 第13-17页 |
| ·提取评论文本中的候选关键词 | 第13-14页 |
| ·计算候选关键词与基准词的语义相似度 | 第14-16页 |
| ·改进的语义相似度算法 | 第16-17页 |
| ·新情感词加入情感词典 | 第17页 |
| ·实验验证与分析 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 3 基于双数组字典树的中文分词方法 | 第20-35页 |
| ·引言 | 第20页 |
| ·相关工作 | 第20-21页 |
| ·基于双数组字典树的中文分词算法 | 第21-31页 |
| ·基于Trie树的双数组Trie树分词 | 第21-27页 |
| ·词义消歧 | 第27-30页 |
| ·新词识别 | 第30-31页 |
| ·分词器在情感分析中的应用 | 第31-32页 |
| ·挖掘情感信息因子 | 第32页 |
| ·抽取情感信息因子 | 第32页 |
| ·实验验证与分析 | 第32-34页 |
| ·分词速率 | 第32-33页 |
| ·分词准确率 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于关键词统计的文本情感极性计算方法 | 第35-45页 |
| ·引言 | 第35页 |
| ·相关工作 | 第35-36页 |
| ·基于关键词统计的文本情感极性计算算法 | 第36-39页 |
| ·分析情感影响因子并建模 | 第36-37页 |
| ·基于关键词统计的方法计算文本情感极性 | 第37-38页 |
| ·计算情感倾向权重 | 第38-39页 |
| ·实验验证与分析 | 第39-44页 |
| ·静态权重因子对结果的影响 | 第39-40页 |
| ·动态权重因子对结果的影响 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 5 数字校园的情感分析系统的设计与实现 | 第45-50页 |
| ·引言 | 第45页 |
| ·系统模块划分 | 第45-46页 |
| ·系统模块实现 | 第46-48页 |
| ·中文分词模块 | 第46-47页 |
| ·情感计算模块 | 第47-48页 |
| ·系统运行效果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·未来工作展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 申请学位期间的研究成果及发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
