| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第15-29页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 课题研究现状与发展趋势 | 第16-24页 |
| 1.2.1 文本情感信息抽取 | 第16-19页 |
| 1.2.2 文本情感分类 | 第19-22页 |
| 1.2.3 文本情感信息的检索与归纳 | 第22-24页 |
| 1.3 面临的问题与挑战 | 第24-26页 |
| 1.4 本文的主要工作 | 第26-27页 |
| 1.5 本文的内容安排 | 第27-29页 |
| 2 社交媒体文本情感分析的基础知识 | 第29-41页 |
| 2.1 文本表示 | 第29-30页 |
| 2.2 文本情感分析方法 | 第30-36页 |
| 2.2.1 朴素贝叶斯模型 | 第31-32页 |
| 2.2.2 支持向量机 | 第32-34页 |
| 2.2.3 K均值算法 | 第34-35页 |
| 2.2.4 主题模型Latent Dirichlet Allocation | 第35-36页 |
| 2.3 评价指标 | 第36-38页 |
| 2.4 情感语义资源与评测 | 第38-40页 |
| 2.4.1 情感语义资源 | 第38-39页 |
| 2.4.2 文本情感分析评测 | 第39-40页 |
| 2.5 本章小节 | 第40-41页 |
| 3 融合局部信息与全局信息的产品属性抽取 | 第41-53页 |
| 3.1 属性抽取问题的概述 | 第41-42页 |
| 3.2 基于局部信息的属性抽取 | 第42-44页 |
| 3.3 基于全局信息的属性抽取 | 第44-45页 |
| 3.4 产品属性归并 | 第45-47页 |
| 3.5 产品属性排序 | 第47页 |
| 3.6 实验及结果分析 | 第47-51页 |
| 3.7 本章小节 | 第51-53页 |
| 4 基于认知思维模式的情感分类 | 第53-64页 |
| 4.1 思维模式的定义及差异 | 第53-55页 |
| 4.1.1 直线与曲线 | 第54页 |
| 4.1.2 具体与抽象 | 第54-55页 |
| 4.1.3 发散与聚焦 | 第55页 |
| 4.2 思维共性及差异度量 | 第55-58页 |
| 4.2.1 思维共性度量 | 第55-56页 |
| 4.2.2 思维差异度量 | 第56-58页 |
| 4.3 实验及结果分析 | 第58-63页 |
| 4.4 本章小节 | 第63-64页 |
| 5 基于情感分布语言模型的热点话题发现 | 第64-78页 |
| 5.1 微博中情感词识别与扩展 | 第65-68页 |
| 5.2 基于情感分布的语言模型生成 | 第68-70页 |
| 5.2.1 统计语言模型映射 | 第68页 |
| 5.2.2 情感分布语言模型 | 第68-70页 |
| 5.3 实验及结果分析 | 第70-76页 |
| 5.3.1 实验数据 | 第70-71页 |
| 5.3.2 对比实验及实验流程 | 第71-72页 |
| 5.3.3 实验及结果分析 | 第72-76页 |
| 5.4 本章小节 | 第76-78页 |
| 6 基于权重量化的微博热点事件摘要生成 | 第78-87页 |
| 6.1 基于文本内容的微博信息熵计算 | 第78-80页 |
| 6.2 微博权重量化及事件摘要生成 | 第80-82页 |
| 6.2.1 基于主题模型的微博权重量化 | 第80-81页 |
| 6.2.2 微博平台事件摘要生成 | 第81-82页 |
| 6.3 实验及结果分析 | 第82-85页 |
| 6.4 本章小节 | 第85-87页 |
| 7 结论与展望 | 第87-91页 |
| 7.1 结论 | 第87-88页 |
| 7.2 创新点 | 第88-89页 |
| 7.3 展望 | 第89-91页 |
| 参考文献 | 第91-99页 |
| 攻读博士学位期间科研项目及科研成果 | 第99-101页 |
| 致谢 | 第101-103页 |
| 作者简介 | 第103页 |