中文短文本情感倾向性分析研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·观点句识别 | 第12-13页 |
| ·情感倾向分析 | 第13-15页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文的组织结构 | 第16-18页 |
| 2 相关技术理论 | 第18-32页 |
| ·短文本及微博 | 第18-20页 |
| ·短文本 | 第18-19页 |
| ·微博 | 第19-20页 |
| ·情感分析处理流程 | 第20-21页 |
| ·文本预处理技术 | 第21-26页 |
| ·中文分词 | 第21-22页 |
| ·词性标注 | 第22-23页 |
| ·句法分析 | 第23-26页 |
| ·文本表示方法 | 第26-29页 |
| ·向量空间模型 | 第27页 |
| ·特征选择方法 | 第27-28页 |
| ·特征权重计算 | 第28-29页 |
| ·SVM 分类方法 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 观点句识别 | 第32-46页 |
| ·观点句判定标准 | 第32页 |
| ·四分类情感词典构建 | 第32-37页 |
| ·静态情感词 | 第34页 |
| ·动态情感词 | 第34-36页 |
| ·网络热点词 | 第36页 |
| ·情感短语 | 第36-37页 |
| ·基于规则的观点句识别 | 第37-39页 |
| ·非观点句判别规则 | 第37-38页 |
| ·观点句判别规则 | 第38-39页 |
| ·基于机器学习的观点句识别 | 第39-44页 |
| ·利用 SVM 抽取观点句流程 | 第39-40页 |
| ·分类特征选取 | 第40-44页 |
| ·规则过滤和机器学习相结合的观点句识别 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 情感倾向分析 | 第46-56页 |
| ·基于词典的情感倾向分析 | 第46-47页 |
| ·基于机器学习的情感倾向分析 | 第47-48页 |
| ·基于依存句法的情感倾向分析 | 第48-53页 |
| ·依存句法分析 | 第48-50页 |
| ·依存关系对抽取 | 第50-51页 |
| ·句子情感极值计算 | 第51-53页 |
| ·多策略观点句情感倾向分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 5 实验与结果分析 | 第56-68页 |
| ·语料库构建 | 第56-59页 |
| ·数据来源 | 第56页 |
| ·语料处理 | 第56-59页 |
| ·LibSVM 简介 | 第59-60页 |
| ·观点句提取实验 | 第60-64页 |
| ·规则置信度验证实验 | 第60-61页 |
| ·特征选取实验 | 第61-64页 |
| ·SVM 与规则组合实验 | 第64页 |
| ·情感倾向分析实验 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 6 结论与展望 | 第68-70页 |
| ·本文工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第76页 |
