| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 微博介绍 | 第8-11页 |
| 1.2.1 微博的概念 | 第8-9页 |
| 1.2.2 微博的应用特性 | 第9-10页 |
| 1.2.3 微博的发展现状 | 第10页 |
| 1.2.4 微博的意义 | 第10-11页 |
| 1.3 文本主要工作和组织结构 | 第11-12页 |
| 1.3.1 主要工作 | 第11页 |
| 1.3.2 论文的组织结构 | 第11-12页 |
| 第二章 观点句识别相关技术及研究现状 | 第12-20页 |
| 2.1 文本自动分类相关技术 | 第12-14页 |
| 2.1.1 文本自动分类问题的定义 | 第12页 |
| 2.1.2 文本表示 | 第12-13页 |
| 2.1.3 文本特征权重计算方法 | 第13-14页 |
| 2.2 中英文观点句识别的研究 | 第14-18页 |
| 2.2.1 英文观点句识别的研究 | 第14-17页 |
| 2.2.2 中文观点句识别的研究 | 第17-18页 |
| 2.3 本文的技术路线 | 第18-20页 |
| 第三章 基于数据统计的微博特点分析及相应预处理 | 第20-27页 |
| 3.1 中文微博特点的数据统计及其分析 | 第20-25页 |
| 3.1.1 中文微博特点的数据统计 | 第20-21页 |
| 3.1.2 中文微博特点的综合分析 | 第21-25页 |
| 3.2 相应的文本预处理 | 第25-27页 |
| 3.2.1 Hownet词库简介 | 第25页 |
| 3.2.2 扩展Hownet词库 | 第25-27页 |
| 第四章 基于特征模板及SVM分类器的观点句识别方法研究 | 第27-44页 |
| 4.1 分词处理 | 第27-28页 |
| 4.2 初步特征选取 | 第28-33页 |
| 4.2.1 特征选取方法 | 第28-31页 |
| 4.2.2 计算信息增益的实验 | 第31-33页 |
| 4.3 设计评分函数进一步筛选特征 | 第33-35页 |
| 4.3.1 设计评分函数 | 第33-34页 |
| 4.3.2 评分函数实验 | 第34-35页 |
| 4.4 制定特征规则模板 | 第35页 |
| 4.5 SVM（支持向量机）的介绍及实验 | 第35-41页 |
| 4.5.1 SVM介绍 | 第36-40页 |
| 4.5.2 基于特征模板和SVM的观点句识别实验 | 第40-41页 |
| 4.6 否定模板的设计及其实验 | 第41-44页 |
| 4.6.1“否定”分析 | 第41-43页 |
| 4.6.2 否定模板的设计 | 第43页 |
| 4.6.3 否定模板实验 | 第43-44页 |
| 第五章 总结和展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 未来展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录A 本文作者攻读硕士学位期间所发表的论文 | 第50-51页 |
| 附录B 2-POS主观模式算法 | 第51-53页 |
| 致谢 | 第53-54页 |