摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景和意义 | 第10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 情感词典的构建 | 第11-12页 |
1.2.2 篇章级情感分析 | 第12-13页 |
1.2.3 句子级情感分析 | 第13页 |
1.2.4 词汇级情感分析 | 第13-14页 |
1.3 论文主要工作 | 第14-15页 |
1.4 论文组织结构 | 第15-17页 |
第二章 文本情感分析相关理论研究 | 第17-24页 |
2.0 WORD2VEC工具 | 第17-18页 |
2.1 向量空间模型 | 第18页 |
2.2 文本特征选择 | 第18-19页 |
2.2.1 信息增益法(InformationGain,IG) | 第18-19页 |
2.2.2 卡方检验法(Chi‐SquareTest,CHI) | 第19页 |
2.2.3 互信息法(MutualInformation,MI) | 第19页 |
2.3 文本特征权重计算 | 第19-20页 |
2.4 文本分类器 | 第20-21页 |
2.4.1 支持向量机(SupportedVectorMachine,SVM) | 第20页 |
2.4.2 K最近邻算法(K‐NearestNeighbor,KNN) | 第20-21页 |
2.4.3 朴素贝叶斯(Na?veBayes,NB) | 第21页 |
2.5 中文依存句法分析 | 第21-22页 |
2.6 本章小结 | 第22-24页 |
第三章 主题词典和情感词典的构建 | 第24-33页 |
3.1 评教文本主题词和情感词的抽取 | 第24-26页 |
3.2 评教主题词典的构建 | 第26-27页 |
3.3 情感词典的构建 | 第27-31页 |
3.3.1 问题分析 | 第27-28页 |
3.3.2 情感词典的扩展 | 第28-31页 |
3.3.3 程度副词词典 | 第31页 |
3.3.4 否定词词典 | 第31页 |
3.4 本章小结 | 第31-33页 |
第四章 基于主题的评教文本细粒度情感分析 | 第33-44页 |
4.1 问题分析 | 第33页 |
4.2 细粒度分析基本框架 | 第33-34页 |
4.3 主题词分类 | 第34-35页 |
4.4 构建<主题,情感>评价单元 | 第35-43页 |
4.4.1 评价单元的定义 | 第35页 |
4.4.2 评教文本断句规则 | 第35-36页 |
4.4.3 主题词和情感词抽取规则 | 第36-40页 |
4.4.4 几个特殊的处理原则 | 第40-41页 |
4.4.5 主题词、情感词、程度副词及否定词的抽取算法 | 第41-42页 |
4.4.7 评价单元的情感计算 | 第42-43页 |
4.5 本章小结 | 第43-44页 |
第五章 评教文本粗粒度情感分析 | 第44-52页 |
5.1 问题分析 | 第44-45页 |
5.2 基于情感词典的文本情感分析 | 第45-46页 |
5.3 基于机器学习的文本情感分析 | 第46-51页 |
5.3.1 基于机器学习的情感分析流程 | 第47页 |
5.3.2 分类器融合SVM_KNN | 第47-48页 |
5.3.3 多特征融合方法 | 第48页 |
5.3.4 基于SVM_KNN多特征融合模型 | 第48-51页 |
5.4 本章小结 | 第51-52页 |
第六章 实验与结果分析 | 第52-60页 |
6.1 实验数据 | 第52页 |
6.2 实验环境及工具 | 第52页 |
6.3 实验指标 | 第52页 |
6.4 实验设计及实验结果分析 | 第52-59页 |
6.4.1 基于不同阈值的主题词和情感词的抽取 | 第52-54页 |
6.4.2 基于主题的细粒度情感分析 | 第54-55页 |
6.4.3 基于不同情感词典的情感分析 | 第55-56页 |
6.4.4 基于不同特征选取方法及不同特征数量的情感分析 | 第56-57页 |
6.4.5 基于不同词性特征的情感分析 | 第57-58页 |
6.4.6 基于情感词典和多特征多分类器融合的情感分析 | 第58-59页 |
6.5 小结 | 第59-60页 |
第七章 总结与展望 | 第60-62页 |
7.1 总结 | 第60-61页 |
7.2 展望 | 第61-62页 |
参考文献 | 第62-66页 |
攻读硕士学位期间取得的研究成果 | 第66-67页 |
致谢 | 第67-68页 |
附件 | 第68页 |