| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 主要研究内容与组织结构 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-16页 |
| 第2章 文本情感分析关键技术 | 第16-26页 |
| 2.1 概述 | 第16页 |
| 2.2 文本预处理 | 第16-18页 |
| 2.3 文本表示技术 | 第18-20页 |
| 2.3.1 文本表示模型 | 第18-19页 |
| 2.3.2 文本特征选择 | 第19-20页 |
| 2.4 情感词典 | 第20-22页 |
| 2.5 文本分类方法 | 第22-24页 |
| 2.5.1 朴素贝叶斯分类方法 | 第23页 |
| 2.5.2 支持向量机 | 第23-24页 |
| 2.6 评价指标 | 第24-25页 |
| 2.7 小结 | 第25-26页 |
| 第3章 语义相关性 | 第26-33页 |
| 3.1 相似性与相关性 | 第26-27页 |
| 3.2 词语相关性 | 第27-29页 |
| 3.3 主题模型 | 第29-31页 |
| 3.4 词向量模型 | 第31-32页 |
| 3.5 小结 | 第32-33页 |
| 第4章 基于主题模型的网络文本情感分类方法 | 第33-42页 |
| 4.1 方法概述 | 第33-34页 |
| 4.2 情感信息抽取 | 第34-37页 |
| 4.2.1 情感词典 | 第35页 |
| 4.2.2 提取情感特征 | 第35-37页 |
| 4.3 基于主题的情感向量空间模型构建 | 第37-39页 |
| 4.3.1 提取关键特征 | 第37-39页 |
| 4.3.2 计算特征权重 | 第39页 |
| 4.4 实验结果及分析 | 第39-41页 |
| 4.4.1 实验数据 | 第39页 |
| 4.4.2 评价指标 | 第39页 |
| 4.4.3 实验结果及分析 | 第39-41页 |
| 4.5 小结 | 第41-42页 |
| 第5章 面向微博的网络文本情感分类方法 | 第42-57页 |
| 5.1 表情符的情感倾向自动标注方法研究 | 第42-47页 |
| 5.1.1 方法概述 | 第42-43页 |
| 5.1.2 标注语料库的构建 | 第43-44页 |
| 5.1.3 情感倾向明显的表情符的自动标注 | 第44-45页 |
| 5.1.4 情感倾向不明显的表情符的自动标注 | 第45页 |
| 5.1.5 实验与结果分析 | 第45-47页 |
| 5.2 基于word2vec的微博文本情感分类方法 | 第47-55页 |
| 5.2.1 方法概述 | 第47-49页 |
| 5.2.2 文本情感特征的提取 | 第49页 |
| 5.2.3 基于特征集的文本向量表示 | 第49-51页 |
| 5.2.4 特征集构造算法 | 第51-52页 |
| 5.2.5 实验与结果分析 | 第52-55页 |
| 5.3 小结 | 第55-57页 |
| 第6章 文本情感分析实验系统的设计与实现 | 第57-67页 |
| 6.1 系统基本架构 | 第57页 |
| 6.2 系统设计 | 第57-61页 |
| 6.2.1 数据库设计 | 第57-58页 |
| 6.2.2 数据预处理模块设计 | 第58-60页 |
| 6.2.3 情感词典构建设计 | 第60页 |
| 6.2.4 文本情感分析模块设计 | 第60-61页 |
| 6.2.5 实验报告模块设计 | 第61页 |
| 6.3 系统实现 | 第61-66页 |
| 6.3.1 数据预处理模块实现 | 第61-62页 |
| 6.3.2 情感词典构建模块实现 | 第62页 |
| 6.3.3 文本情感分析模块实现 | 第62-63页 |
| 6.3.4 实验报告模块实现 | 第63-66页 |
| 6.4 小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-69页 |
| 7.1 研究总结 | 第67页 |
| 7.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 在学期间的研究成果及发表的学术论文 | 第74页 |
| 在学期间参与的科研项目 | 第74页 |