中文微博情感分析技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 引言 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·微博发展现状 | 第9-11页 |
| ·本文研究内容 | 第11-14页 |
| ·评测任务介绍 | 第11-12页 |
| ·腾讯微博简介 | 第12-14页 |
| ·本文组织结构 | 第14-16页 |
| 第2章 相关研究概述 | 第16-25页 |
| ·观点句识别 | 第16-18页 |
| ·英文文本观点句识别 | 第16-17页 |
| ·中文文本观点句识别 | 第17-18页 |
| ·情感极性分类 | 第18-19页 |
| ·基于词典和规则的方法 | 第18页 |
| ·基于机器学习的方法 | 第18-19页 |
| ·基于语义的分析方法 | 第19页 |
| ·情感要素抽取 | 第19-21页 |
| ·观点持有者识别 | 第20页 |
| ·评价对象与评价词抽取 | 第20-21页 |
| ·微博情感分析 | 第21-23页 |
| ·话题无关情感分析 | 第21-22页 |
| ·话题相关情感分析 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 中文微博特点研究 | 第25-33页 |
| ·微博的语言现象特点 | 第25-28页 |
| ·微博特征问题分析 | 第28-32页 |
| ·观点识别和极性分类特征分析 | 第28-31页 |
| ·微博情感要素抽取问题分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 算法设计与实现 | 第33-48页 |
| ·情感词库介绍 | 第33-35页 |
| ·情感词典 | 第33页 |
| ·网络用语词典 | 第33页 |
| ·主观性词语词典 | 第33-34页 |
| ·表情符词典 | 第34页 |
| ·语气词词典 | 第34-35页 |
| ·程度副词词典 | 第35页 |
| ·否定词词典 | 第35页 |
| ·情感词典扩展 | 第35-38页 |
| ·相关机器学习模型 | 第38-41页 |
| ·支持向量机(SVM)简介 | 第38-40页 |
| ·条件随机场(CRF)简介 | 第40-41页 |
| ·话题微博情感分析总体框架 | 第41-42页 |
| ·观点句识别 | 第42-44页 |
| ·观点句判定标准 | 第42页 |
| ·观点句识别流程图 | 第42-43页 |
| ·语料预处理 | 第43页 |
| ·特征选取 | 第43-44页 |
| ·情感极性分类 | 第44-46页 |
| ·情感极性分类流程图 | 第44-45页 |
| ·特征选取 | 第45-46页 |
| ·情感要素抽取 | 第46-47页 |
| ·评价对象抽取 | 第46-47页 |
| ·评价对象极性判断 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验结果及分析 | 第48-55页 |
| ·实验数据集 | 第48页 |
| ·评价方法及指标 | 第48-50页 |
| ·准确率和召回率 | 第48-49页 |
| ·F1值 | 第49页 |
| ·宏平均和微平均 | 第49-50页 |
| ·情感词典扩展 | 第50-51页 |
| ·观点句识别 | 第51-52页 |
| ·情感极性分类 | 第52-53页 |
| ·情感要素抽取 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 结论及展望 | 第55-57页 |
| ·本文主要工作 | 第55-56页 |
| ·存在的问题及下一步工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录1 攻读硕士期间参与的课题与项目 | 第62页 |
| 附录2 攻读硕士期间发表的论文 | 第62-63页 |
