基于语义特征的微博情感分析的研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景、目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 存在的问题 | 第12页 |
| 1.4 本文的创新工作 | 第12-13页 |
| 1.5 本文组织结构 | 第13-15页 |
| 第2章 文本相关技术研究 | 第15-23页 |
| 2.1 相关术语的介绍 | 第15页 |
| 2.2 短文本的研究 | 第15-17页 |
| 2.2.1 短文本 | 第15-16页 |
| 2.2.2 微博 | 第16-17页 |
| 2.2.3 评论 | 第17页 |
| 2.3 文本分类的方法 | 第17-19页 |
| 2.3.1 贝叶斯简介 | 第17-18页 |
| 2.3.2 感知机 | 第18页 |
| 2.3.3 AdaBoost算法 | 第18-19页 |
| 2.3.4 决策树 | 第19页 |
| 2.4 交叉验证 | 第19-20页 |
| 2.5 微博情感分析的框架 | 第20-21页 |
| 2.6 本章小结 | 第21-23页 |
| 第3章 词典的构建 | 第23-33页 |
| 3.1 情感词典的相关介绍 | 第23-25页 |
| 3.1.1 语义 | 第23页 |
| 3.1.2 情感词典 | 第23页 |
| 3.1.3 基准词的选取 | 第23-24页 |
| 3.1.4 语义倾向性计算 | 第24-25页 |
| 3.2 词典建立过程中工具的介绍和选择 | 第25-26页 |
| 3.3 情感词典的构建 | 第26-29页 |
| 3.3.1 情感词典的构建步骤 | 第26-28页 |
| 3.3.2 评价方法 | 第28页 |
| 3.3.3 实验结果及分析 | 第28-29页 |
| 3.4 情感词典的优化 | 第29-30页 |
| 3.5 其它词典的构建 | 第30-32页 |
| 3.5.1 网络词语词典 | 第30-31页 |
| 3.5.2 副词词典 | 第31页 |
| 3.5.3 连词词典 | 第31-32页 |
| 3.5.4 表情符号词典 | 第32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于SVM的微博情感分析 | 第33-41页 |
| 4.1 支持向量机简介 | 第33页 |
| 4.2 情感分析中工具的介绍和选择 | 第33-34页 |
| 4.2.1 LibSVM的介绍和选择 | 第33-34页 |
| 4.2.2 ICTCLAS 2015 简介和选择 | 第34页 |
| 4.3 微博情感分析的处理流程 | 第34-35页 |
| 4.4 实验数据的处理 | 第35-36页 |
| 4.5 特征选择 | 第36-38页 |
| 4.5.1 特征选择的方法 | 第36-37页 |
| 4.5.2 微博特征选择 | 第37-38页 |
| 4.5.3 特征向量权重计算 | 第38页 |
| 4.6 训练和测试分类模型 | 第38页 |
| 4.7 本章小结 | 第38-41页 |
| 第5章 实验结果和分析 | 第41-47页 |
| 5.1 实验环境 | 第41-43页 |
| 5.1.1 微博语料库 | 第41页 |
| 5.1.2 评测方法 | 第41-42页 |
| 5.1.3 环境设置 | 第42-43页 |
| 5.2 特征选择对比实验 | 第43页 |
| 5.3 情感词典对比实验 | 第43-44页 |
| 5.4 不同算法的对比实验 | 第44-45页 |
| 5.5 本章小结 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54页 |
