首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

中文微博情感倾向性分析与情感要素抽取方法

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 研究背景第9-10页
    1.2 研究现状第10-13页
        1.2.1 文本情感分析研究现状第10-11页
        1.2.2 中文微博情感分析研究现状第11-13页
    1.3 本文主要研究内容第13-14页
    1.4 本文组织结构第14-17页
第2章 基于词典的极性值计算与微博情感分类第17-35页
    2.1 微博情感分析词典第17-21页
        2.1.1 通用情感词典第18-19页
        2.1.2 特殊情感词典第19-20页
        2.1.3 情感影响因子词典第20-21页
    2.2 情感词的极性值计算第21-25页
        2.2.1 基于词频统计的情感词极性值计算方法第22-23页
        2.2.2 基于语义相似度的情感词极性值计算第23页
        2.2.3 词频和语义相似度相结合的情感词极性值计算方法第23-25页
    2.3 基于词典的微博情感分类与极性值计算第25-26页
    2.4 实验与分析第26-32页
        2.4.1 实验数据集第27-28页
        2.4.2 实验评价指标第28-29页
        2.4.3 基于词典的微博情感分类与极性值计算方法实验第29-31页
        2.4.4 词频和语义相似度相结合的情感词极性值计算方法实验第31-32页
    2.5 本章小结第32-35页
第3章 基于情感特征组合的支持向量机分类算法第35-49页
    3.1 支持向量机文本分类算法简介第35-36页
    3.2 微博情感分类策略第36-37页
    3.3 微博情感分类特征第37-41页
        3.3.1 语义特征的选取第38-39页
        3.3.2 情感特征构建方式第39-41页
    3.4 特征选择第41-42页
    3.5 实验与分析第42-48页
        3.5.1 不同语义特征对微博情感分类结果的影响实验第42-43页
        3.5.2 不同情感特征构建方式对微博情感分类结果的影响实验第43-45页
        3.5.3 n-POS特征选择对微博情感分类结果的影响实验第45-47页
        3.5.4 基于情感特征组合的支持向量机分类算法实验第47-48页
    3.6 本章小结第48-49页
第4章 基于条件随机场与句法依存分析的情感要素抽取第49-65页
    4.1 句法依存分析简介第49-51页
    4.2 条件随机场简介第51页
    4.3 基于句法依存分析的情感要素抽取算法第51-55页
        4.3.1 候选句法依存关系第52-53页
        4.3.2 基于句法依存分析的评价对象抽取与情感词扩充算法第53-55页
    4.4 基于条件随机场的评价对象抽取算法第55-58页
        4.4.1 CRF++的语料标注规范第56-57页
        4.4.2 CRF++的特征模板第57-58页
    4.5 实验与分析第58-63页
        4.5.1 实验评价指标第58-59页
        4.5.2 基于条件随机场与句法依存分析的评价对象抽取实验第59-60页
        4.5.3 COAE评价对象及其情感倾向性判别实验结果分析第60-63页
    4.6 本章小结第63-65页
结论第65-67页
参考文献第67-71页
攻读硕士期间的主要科研成果第71-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:基于TRIZ理论与专利数据分析的产品创新设计机理研究及应用
下一篇:道岔转辙机虚拟仿真及评估系统研究与开发