| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 文本情感分类知识概述 | 第19-30页 |
| 2.1 文本情感分类标准 | 第19页 |
| 2.2 文本预处理技术 | 第19-21页 |
| 2.3 基于情感词典的分析方法 | 第21-23页 |
| 2.3.1 情感词典构建 | 第21-22页 |
| 2.3.2 情感极性特征选择和加权计算 | 第22-23页 |
| 2.4 基于机器学习的文本情感分类 | 第23-28页 |
| 2.4.1 文本表示模型 | 第23-25页 |
| 2.4.2 文本特征抽取 | 第25-26页 |
| 2.4.3 分类模型 | 第26-28页 |
| 2.5 基于词典和基于机器学习融合的分类方法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 词性情感特征匹配倾向分析 | 第30-44页 |
| 3.1 情感词典库的构建 | 第30-31页 |
| 3.2 情感特征提取 | 第31-39页 |
| 3.2.1 词性特征提取 | 第32页 |
| 3.2.2 现有词性特征提取 | 第32-34页 |
| 3.2.3 词性情感特征提取方法 | 第34-38页 |
| 3.2.4 情感词性特征计算 | 第38-39页 |
| 3.3 情感语义加权计算 | 第39页 |
| 3.4 实验及结果分析 | 第39-43页 |
| 3.4.1 实验数据集 | 第39-40页 |
| 3.4.2 实验性能指标 | 第40页 |
| 3.4.3 实验设计与结果分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 一种基于词典语义和SVM结合的情感倾向分析算法 | 第44-58页 |
| 4.1 文本预处理 | 第44页 |
| 4.2 基于情感词典的文本情感分析 | 第44-45页 |
| 4.3 机器学习的文本情感分类 | 第45-46页 |
| 4.3.1 向量空间模型选择 | 第45-46页 |
| 4.3.2 CHI统计量特征选择 | 第46页 |
| 4.3.3 支持向量机分类器 | 第46页 |
| 4.4 一种基于词典语义和SVM结合的分类算法 | 第46-49页 |
| 4.4.1 算法概述 | 第46-47页 |
| 4.4.2 算法模型 | 第47-48页 |
| 4.4.3 算法设计 | 第48-49页 |
| 4.5 实验结果与相关分析 | 第49-53页 |
| 4.5.1 实验数据介绍 | 第49-50页 |
| 4.5.2 实验设计与结果分析 | 第50-53页 |
| 4.6 网络文本情感分析系统的实现 | 第53-57页 |
| 4.6.1 系统结构模型和总体设计 | 第53-54页 |
| 4.6.2 系统模块和功能 | 第54-57页 |
| 4.7 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录 A 攻读学位期间获得的研究成果 | 第64-65页 |
| 附录 B 攻读学位期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |