基于SVM的微博情感倾向性分析研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1. 引言 | 第11-21页 |
| ·研究背景 | 第11-12页 |
| ·研究的目的与意义 | 第12-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·网络舆情分析国内外研究 | 第14-15页 |
| ·文本情感倾向性分析国内外研究 | 第15-16页 |
| ·情感词识别相关研究现状 | 第16-17页 |
| ·微博情感分析国内外研究 | 第17-18页 |
| ·当前存在的问题 | 第18-19页 |
| ·中文情感词典难构建 | 第18页 |
| ·中文微博与英文微博的差异 | 第18页 |
| ·中文分词、句法分析工具的待完善 | 第18页 |
| ·中文微博情感分析的困难 | 第18-19页 |
| ·论文的组织结构 | 第19页 |
| ·本文的研究内容 | 第19-21页 |
| 2. 文本情感倾向性的相关技术 | 第21-30页 |
| ·文本预处理相关技术 | 第21-22页 |
| ·文本预处理的概念 | 第21页 |
| ·文本特征表示 | 第21-22页 |
| ·中文分词技术 | 第22-25页 |
| ·中文分词 | 第22-23页 |
| ·中文分词技术的难点 | 第23页 |
| ·中文分词的算法 | 第23-25页 |
| ·文本情感倾向性分析 | 第25-27页 |
| ·文本倾向性分析理论 | 第25页 |
| ·文本倾向性分析相关技术介绍 | 第25-26页 |
| ·存在的问题 | 第26-27页 |
| ·文本特征选择方法 | 第27-29页 |
| ·文本特征选择算法 | 第27-28页 |
| ·TF-IDF | 第28页 |
| ·互信息 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3. 基于条件随机场（CRFS）的情感词识别 | 第30-36页 |
| ·条件随机场的定义 | 第30页 |
| ·特征函数 | 第30-31页 |
| ·词性标注 | 第31-32页 |
| ·词性标注的方法 | 第31-32页 |
| ·上下文特征表示方法 | 第32页 |
| ·语料选择及工具的使用 | 第32-33页 |
| ·训练集和测试集 | 第32页 |
| ·使用工具 | 第32-33页 |
| ·情感词识别 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4. 基于支持向量机（SVM）的中文微博情感分析 | 第36-46页 |
| ·中文微博的情感分析 | 第36-37页 |
| ·微博的文本特征 | 第36页 |
| ·微博情感分析相关介绍 | 第36-37页 |
| ·微博情感分析流程示意图 | 第37页 |
| ·支持向量机 | 第37-41页 |
| ·线性可分最优化分类面 | 第38-39页 |
| ·广义最优分类面在线性不可分的情况 | 第39-40页 |
| ·高维空间的最优分类面 | 第40-41页 |
| ·算法设计流程 | 第41-44页 |
| ·训练及语料预处理 | 第41页 |
| ·NLPIR 中文分词系统 | 第41-42页 |
| ·构建特征向量及判定倾向性 | 第42-43页 |
| ·关于 LibSVM 的介绍 | 第43-44页 |
| ·实验结果与分析 | 第44-45页 |
| ·结果与分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5. 总结和展望 | 第46-48页 |
| ·创新点 | 第46页 |
| ·未来研究工作的展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录：攻读学位期间发表的学术论文及参与项目 | 第51-52页 |
| 致谢 | 第52-53页 |
