融合表情符号的微博文本情感分析
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关研究概况 | 第11-15页 |
| 1.2.1 文本情感分析的研究概况 | 第11-12页 |
| 1.2.2 微博情感分析的研究概况 | 第12-13页 |
| 1.2.3 结合表情符号的微博情感分析的研究概况 | 第13-15页 |
| 1.3 评测平台及评价指标 | 第15-16页 |
| 1.3.1 评测平台 | 第15页 |
| 1.3.2 评价指标 | 第15-16页 |
| 1.4 研究内容 | 第16-17页 |
| 1.5 论文组织结构 | 第17-18页 |
| 第2章 相关理论及技术介绍 | 第18-27页 |
| 2.1 引言 | 第18-19页 |
| 2.2 基于情感词典的文本情感分析 | 第19-20页 |
| 2.3 基于机器学习的文本情感分析 | 第20-25页 |
| 2.3.1 文本特征提取 | 第20-22页 |
| 2.3.2 常见分类算法 | 第22-25页 |
| 2.4 基于深度学习的文本情感分析 | 第25-26页 |
| 2.4.1 卷积神经网络 | 第25页 |
| 2.4.2 循环神经网络 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 微博语料的构建 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 微博语料的获取和筛选 | 第28-30页 |
| 3.2.1 微博语料的收集 | 第28-29页 |
| 3.2.2 微博语料的特点 | 第29页 |
| 3.2.3 微博语料的预处理 | 第29-30页 |
| 3.3 微博语料的标注 | 第30-34页 |
| 3.3.1 基于表情符的自动标注 | 第30-32页 |
| 3.3.2 基于情感词的自动标注 | 第32-33页 |
| 3.3.3 融合表情符和情感词的自动标注 | 第33-34页 |
| 3.3.4 微博语料的人工标注 | 第34页 |
| 3.4 自动标注训练集的有效性评价 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 表情符向量化算法研究 | 第37-43页 |
| 4.1 引言 | 第37页 |
| 4.2 表情符向量化算法 | 第37-41页 |
| 4.2.1 词向量训练 | 第38页 |
| 4.2.2 构造样本集 | 第38-39页 |
| 4.2.3 算法流程 | 第39-41页 |
| 4.3 定性分析 | 第41-42页 |
| 4.3.1 表情符之间的相似度 | 第41-42页 |
| 4.3.2 表情符与词语之间的相似度 | 第42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 融合表情符的微博文本情感分析 | 第43-51页 |
| 5.1 表情符号对微博情感倾向的影响 | 第43-45页 |
| 5.1.1 SVM情感分类器 | 第43-44页 |
| 5.1.2 实验设计 | 第44-45页 |
| 5.1.3 实验结果与分析 | 第45页 |
| 5.2 融合卷积神经网络和表情符的微博情感分析 | 第45-50页 |
| 5.2.1 基于卷积神经网络的分类模型 | 第46-47页 |
| 5.2.2 实验设计 | 第47页 |
| 5.2.3 实验数据 | 第47-48页 |
| 5.2.4 实验结果与分析 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结和展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 附录：表情符样本集 | 第59-62页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第62页 |
