基于中文文本情感分类的情感宣泄系统的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.3 论文的主要工作及结构安排 | 第17-20页 |
| 1.3.1 论文的主要工作 | 第17-18页 |
| 1.3.2 论文的结构安排 | 第18-20页 |
| 第二章 情感宣泄系统整体架构 | 第20-25页 |
| 2.1 系统需求分析 | 第20页 |
| 2.2 系统网络结构 | 第20-21页 |
| 2.3 软件开发架构 | 第21-22页 |
| 2.4 系统主要模块 | 第22-24页 |
| 2.5 系统开发环境 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于情感词词典的文本情感倾向分析 | 第25-39页 |
| 3.1 中文情感倾向分析的难点 | 第25页 |
| 3.2 词语情感倾向计算 | 第25-29页 |
| 3.2.1 HOWNET | 第26-28页 |
| 3.2.2 SO-PMI | 第28-29页 |
| 3.3 词典构建 | 第29-34页 |
| 3.3.1 情感词词典 | 第29-33页 |
| 3.3.2 否定词 | 第33页 |
| 3.3.3 程度副词 | 第33-34页 |
| 3.4 文本情感倾向强度计算 | 第34-36页 |
| 3.5 实验结果与分析 | 第36-38页 |
| 3.5.1 实验数据 | 第36页 |
| 3.5.2 评价指标 | 第36-37页 |
| 3.5.3 实验结果 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于机器学习方法的文本情感分类 | 第39-54页 |
| 4.1 机器学习的文本情感分类流程 | 第39-40页 |
| 4.2 文本预处理 | 第40-41页 |
| 4.3 文档表示模型 | 第41-42页 |
| 4.4 特征选择 | 第42-45页 |
| 4.4.1 互信息 | 第43页 |
| 4.4.2 信息增益 | 第43-44页 |
| 4.4.3 卡方检验 | 第44-45页 |
| 4.4.4 基于频率的特征选择方法 | 第45页 |
| 4.5 分类学习方法 | 第45-50页 |
| 4.5.1 朴素贝叶斯 | 第45-46页 |
| 4.5.2 K-最近邻 | 第46-47页 |
| 4.5.3 Logistic回归 | 第47-48页 |
| 4.5.4 支持向量机 | 第48-50页 |
| 4.6 实验结果与分析 | 第50-53页 |
| 4.6.1 实验数据 | 第50页 |
| 4.6.2 实验方法 | 第50-51页 |
| 4.6.3 实验结果 | 第51-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 对话库设计构建与回复获取 | 第54-67页 |
| 5.1 情感对话数据库设计 | 第54-55页 |
| 5.2 基于Lucene全文检索的设计 | 第55-57页 |
| 5.2.1 Lucene与倒排索引结构 | 第55-57页 |
| 5.2.2 数据库全文检索结构设计 | 第57页 |
| 5.3 情感对话数据库构建 | 第57-60页 |
| 5.3.1 用户情感对话数据库的构建 | 第58-59页 |
| 5.3.2 网络情感回复数据库的构建 | 第59-60页 |
| 5.4 回复推理中的句子相似度计算 | 第60-64页 |
| 5.4.1 基于语义词典计算句子相似度 | 第60-61页 |
| 5.4.2 基于词形与词序计算句子相似度 | 第61-62页 |
| 5.4.3 基于TF-IDF计算句子相似度 | 第62-63页 |
| 5.4.4 采用的句子相似度计算方法 | 第63-64页 |
| 5.5 系统交互回复流程 | 第64-65页 |
| 5.6 系统实现 | 第65页 |
| 5.7 本章小结 | 第65-67页 |
| 总结与展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
