摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-23页 |
1.1 研究背景和意义 | 第15-16页 |
1.2 国内外研究现状分析 | 第16-19页 |
1.2.1 网络舆情分析的研究现状 | 第16-17页 |
1.2.2 情感强度研究现状 | 第17-19页 |
1.3 论文研究内容 | 第19-21页 |
1.3.1 文本研究内容及创新点 | 第19-20页 |
1.3.2 论文的组织结构 | 第20-21页 |
1.4 本章小结 | 第21-23页 |
第2章 相关理论与技术 | 第23-33页 |
2.1 文本预处理技术 | 第23-25页 |
2.1.1 文本分词 | 第23-24页 |
2.1.2 词性标注 | 第24-25页 |
2.1.3 去停用词 | 第25页 |
2.2 特征选择 | 第25-27页 |
2.2.1 词频和逆文档频率算法(TF-IDF) | 第25-26页 |
2.2.2 互信息(MI) | 第26页 |
2.2.3 x~2统计量CHI | 第26-27页 |
2.2.4 信息增益IG | 第27页 |
2.3 情感分析中常用方法综述 | 第27-31页 |
2.3.1 基于机器学习 | 第27-30页 |
2.3.2 基于情感词典 | 第30-31页 |
2.4 本章小结 | 第31-33页 |
第3章 舆情文本情感词典的构建 | 第33-43页 |
3.1 情感词相关介绍 | 第33页 |
3.1.1 术语 | 第33页 |
3.1.2 情感词强度 | 第33页 |
3.2 基础文本情感词典现状 | 第33-35页 |
3.2.1 知网情感词典 | 第34页 |
3.2.2 中文情感词汇本体库 | 第34页 |
3.2.3 台湾大学NTUSD | 第34-35页 |
3.2.4 学生褒贬义词典 | 第35页 |
3.3 情感词典的扩建方法 | 第35-37页 |
3.3.1 基于互信息的SO-PMI算法 | 第35-36页 |
3.3.2 基于模式Bootstrapping方法 | 第36页 |
3.3.3 基于PAD模型的方法 | 第36-37页 |
3.3.4 基于知网语义相似度算法 | 第37页 |
3.4 辅助词典集的构建 | 第37-42页 |
3.4.1 否定词典 | 第37-38页 |
3.4.2 程度副词词典 | 第38页 |
3.4.3 表情词典 | 第38-39页 |
3.4.4 网络词典 | 第39-40页 |
3.4.5 领域词典 | 第40-41页 |
3.4.6 其他词典 | 第41-42页 |
3.5 本章小结 | 第42-43页 |
第4章 基于语义视角的情感模型的构建 | 第43-55页 |
4.1 情感分析概述 | 第43-45页 |
4.1.1 热点舆情事件 | 第43页 |
4.1.2 基础情感词情感强度模糊性 | 第43-44页 |
4.1.3 关键词提取 | 第44页 |
4.1.4 文本情感强度计算 | 第44-45页 |
4.2 基于改进的知网语义相似度扩展情感词 | 第45-48页 |
4.2.1 基准词选取 | 第46页 |
4.2.2 基准词情感强度 | 第46-47页 |
4.2.3 候选词情感强度 | 第47页 |
4.2.4 情感词扩展实验 | 第47-48页 |
4.3 关键词提取 | 第48-51页 |
4.3.1 文本预处理 | 第48-49页 |
4.3.2 特征选取和权重计算 | 第49-51页 |
4.4 情感强度计算流程和规则 | 第51-53页 |
4.4.1 文本分词 | 第51页 |
4.4.2 情感词定位 | 第51-52页 |
4.4.3 情感强度计算 | 第52-53页 |
4.4.4 表情符号修正强度 | 第53页 |
4.5 本章小结 | 第53-55页 |
第5章 网络舆情情感强度仿真研究 | 第55-63页 |
5.1 实验语料选择 | 第55页 |
5.2 评估标准 | 第55-56页 |
5.3 实验结果与分析 | 第56-61页 |
5.3.1 新闻关键词提取 | 第56-58页 |
5.3.2 情感极性计算 | 第58-59页 |
5.3.3 情感倾向计算 | 第59-61页 |
5.4 本章小结 | 第61-63页 |
总结与展望 | 第63-65页 |
参考文献 | 第65-71页 |
攻读硕士学位期间发表论文 | 第71-73页 |
致谢 | 第73页 |