| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究的背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 中文新词发现 | 第10-11页 |
| 1.2.2 新词过滤 | 第11-12页 |
| 1.2.3 情感新词倾向判定 | 第12-13页 |
| 1.3 本文的主要研究内容与章节安排 | 第13-16页 |
| 1.3.1 主要研究内容与挑战 | 第13-14页 |
| 1.3.2 本文结构 | 第14-16页 |
| 第二章 新词发现与情感倾向性分析概述 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 基于分类的新词发现方法 | 第16-21页 |
| 2.2.1 重复串抽取 | 第17-19页 |
| 2.2.2 新词检测 | 第19-21页 |
| 2.3 基于标注的新词发现方法 | 第21-24页 |
| 2.3.1 隐马尔科夫模型 | 第21-23页 |
| 2.3.2 条件随机场模型 | 第23-24页 |
| 2.4 文本倾向性分析 | 第24页 |
| 2.5 词汇级的情感判定方法 | 第24-31页 |
| 2.5.1 基于语料库的方法 | 第24-25页 |
| 2.5.2 基于词典的方法 | 第25页 |
| 2.5.3 基于神经网络的方法 | 第25-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 统计与规则结合的新词发现算法 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 基于广义后缀树的新词发现算法 | 第32-36页 |
| 3.2.1 算法流程 | 第32-34页 |
| 3.2.3 重复串抽取 | 第34-36页 |
| 3.3 基于统计与规则结合的新词过滤算法 | 第36-39页 |
| 3.3.1 算法流程 | 第36页 |
| 3.3.2 基于停用词的过滤 | 第36-37页 |
| 3.3.3 基于词典的过滤 | 第37页 |
| 3.3.4 基于词频的过滤 | 第37页 |
| 3.3.5 基于互信息的过滤 | 第37-38页 |
| 3.3.6 基于左右邻接信息熵的过滤 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-44页 |
| 3.4.1 实验语料集 | 第39页 |
| 3.4.2 评价指标 | 第39-40页 |
| 3.4.3 结果与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于神经网络的新词情感判定算法 | 第45-54页 |
| 4.1 引言 | 第45页 |
| 4.2 基于神经网络的新词情感判定算法 | 第45-48页 |
| 4.2.1 算法流程 | 第45-46页 |
| 4.2.2 感知全局上下文( Global Context-aware)的神经网络语言模型 | 第46-48页 |
| 4.2.3 多原型(Multi-prototype)语言模型 | 第48页 |
| 4.3 实验结果与分析 | 第48-52页 |
| 4.3.1 实验数据集 | 第49页 |
| 4.3.2 评价指标 | 第49-50页 |
| 4.3.3 结果与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |