| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景 | 第10-12页 |
| ·技术要点 | 第12-13页 |
| ·应用及前景 | 第13-16页 |
| ·本文组织结构 | 第16-18页 |
| 第2章 情感分析的关键概念与文本特征 | 第18-26页 |
| ·情感分析的关键概念 | 第18-22页 |
| ·主观性文本特征 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 情感分析的研究要点及方法 | 第26-40页 |
| ·语料的选择 | 第26页 |
| ·基于情感的分类 | 第26-31页 |
| ·与基于事实的分类的对比 | 第27-28页 |
| ·导致情感分析难度增加的因素 | 第28-31页 |
| ·领域和主题的相关研究 | 第31-34页 |
| ·领域适应性 | 第31-33页 |
| ·主题相关性 | 第33-34页 |
| ·无监督的学习方法 | 第34-36页 |
| ·无监督的词典生成 | 第34-35页 |
| ·其它无监督的方法 | 第35-36页 |
| ·关联信息对分类的影响 | 第36-38页 |
| ·文档与句子的关联信息 | 第36-37页 |
| ·谈话者之间的关联信息 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于情感词典的情感极性分类 | 第40-50页 |
| ·基于bootstrapping的方法 | 第40-41页 |
| ·系统设计 | 第41-44页 |
| ·基于General Inquiry的情感词典 | 第41-42页 |
| ·基于PMI-IR的方法 | 第42页 |
| ·基于bootstrapping框架下的PMI-IR词典扩充算法 | 第42-44页 |
| ·情感极性反转语义单元 | 第44页 |
| ·实验设置 | 第44-47页 |
| ·实验语料 | 第45-46页 |
| ·词缀修剪 | 第46-47页 |
| ·实验结果及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于机器学习的情感极性分类 | 第50-64页 |
| ·文本分类方法 | 第50-57页 |
| ·文本分类的定义 | 第50页 |
| ·文本分类的方法 | 第50-57页 |
| ·系统设计 | 第57-58页 |
| ·实验设置 | 第58-59页 |
| ·实验语料 | 第58-59页 |
| ·特征选取 | 第59页 |
| ·实验结果及分析 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |