基于情感时序距离的文本情感分类和情感主体识别方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要研究工作 | 第11-12页 |
| 1.4 论文组织框架 | 第12-14页 |
| 第二章 文本情感倾向性分析相关研究 | 第14-29页 |
| 2.1 相关术语说明 | 第14-15页 |
| 2.2 相关评测与资源 | 第15-16页 |
| 2.3 文本情感倾向性分析方法 | 第16-27页 |
| 2.3.1 基于情感词典和规则的方法 | 第16-17页 |
| 2.3.2 基于机器学习的方法 | 第17-26页 |
| 2.3.2.1 朴素贝叶斯 | 第17-19页 |
| 2.3.2.2 支持向量机 | 第19-23页 |
| 2.3.2.3 集成学习 | 第23-26页 |
| 2.3.3 基于深度学习的方法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于情感时序距离的文本情感分类 | 第29-43页 |
| 3.1 情感句极性识别方法 | 第29-33页 |
| 3.1.1 构建领域情感词典 | 第29-31页 |
| 3.1.2 基于SVM的情感句极性识别 | 第31-33页 |
| 3.2 情感时序距离模型介绍 | 第33-37页 |
| 3.2.1 情感时序介绍 | 第33页 |
| 3.2.2 转折同化方法 | 第33-36页 |
| 3.2.3 基于情感时序距离的分类方法 | 第36-37页 |
| 3.3 实验与结果分析 | 第37-42页 |
| 3.3.1 实验数据预处理 | 第37-38页 |
| 3.3.2 实验设置 | 第38-39页 |
| 3.3.3 情感句分类实验结果和分析 | 第39-40页 |
| 3.3.4 文本倾向性识别实验结果和分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 细粒度的情感主体识别研究 | 第43-58页 |
| 4.1 引言 | 第43-45页 |
| 4.2 基于分类算法和规则的情感主体识别 | 第45-53页 |
| 4.2.1 相关工具和算法介绍 | 第45-48页 |
| 4.2.1.1 Word2vec | 第46-47页 |
| 4.2.1.2 句法分析器 | 第47页 |
| 4.2.1.3 随机森林 | 第47-48页 |
| 4.2.2 基于随机森林的情感主体识别 | 第48-52页 |
| 4.2.2.1 Word2vec词汇向量化 | 第48-50页 |
| 4.2.2.2 基于句法分析器的词性标注 | 第50页 |
| 4.2.2.3 评价句语义特征向量化 | 第50-51页 |
| 4.2.2.3 方法设计和模型构建 | 第51-52页 |
| 4.2.3 基于规则的情感主体分配 | 第52-53页 |
| 4.3 实验与结果分析 | 第53-57页 |
| 4.3.1 实验设置 | 第53-54页 |
| 4.3.2 结果分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文工作总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间参与发表的论文 | 第64-65页 |
| 攻读硕士期间参加研究的项目 | 第65页 |
