| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和研究意义 | 第8-9页 |
| ·研究现状及分析 | 第9-12页 |
| ·基于情感知识的文本倾向性分析方法 | 第9-10页 |
| ·基于机器学习的文本倾向性分析方法 | 第10-11页 |
| ·目前研究中存在的问题 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·论文组织结构 | 第12-14页 |
| 第二章 融合互信息的改进 N-GRAM 微博新词法发现算法 | 第14-22页 |
| ·引言 | 第14页 |
| ·相关工作 | 第14-16页 |
| ·基于语言学规则匹配的方法 | 第14-15页 |
| ·基于纯统计学的方法 | 第15页 |
| ·融合语言学规则匹配与统计学的方法 | 第15-16页 |
| ·融合互信息的改进 N-GRAM 微博新词法发现算法 | 第16-20页 |
| ·N-Gram 算法 | 第16-18页 |
| ·互信息 | 第18页 |
| ·融合互信息的改进 N-Gram 微博新词发现算法 | 第18-20页 |
| ·新词发现实验结果与分析 | 第20-21页 |
| ·数据集 | 第20页 |
| ·评价方法 | 第20-21页 |
| ·实验结果及分析 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于统计的微博表情词典的构建 | 第22-30页 |
| ·引言 | 第22-23页 |
| ·相关工作 | 第23-24页 |
| ·基于统计的微博表情词典的构建 | 第24-27页 |
| ·算法流程 | 第24页 |
| ·数据预处理 | 第24-25页 |
| ·构建微博表情符号集 | 第25页 |
| ·微博文本的倾向性分析 | 第25-27页 |
| ·表情符号情感判定及词典的构建 | 第27页 |
| ·实验与分析 | 第27-29页 |
| ·数据集 | 第27页 |
| ·构建的微博表情情感词典 | 第27-28页 |
| ·微博表情词典的验证 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 融合表情符号和微博新词的微博文本倾向性分析 | 第30-38页 |
| ·引言 | 第30-31页 |
| ·微博倾向性分析研究现状 | 第31页 |
| ·融合表情符号和微博新词的微博文本倾向性分析 | 第31-35页 |
| ·系统流程 | 第32页 |
| ·文本预处理 | 第32-33页 |
| ·情感词典的构建 | 第33-34页 |
| ·微博倾向性分析 | 第34-35页 |
| ·实验与分析 | 第35-37页 |
| ·实验语料 | 第35页 |
| ·评价指标 | 第35-36页 |
| ·实验结果分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 总结与展望 | 第38-40页 |
| ·工作总结 | 第38页 |
| ·研究展望 | 第38-40页 |
| 参考文献 | 第40-45页 |
| 攻硕期间发表论文及科研成果 | 第45-46页 |
| 致谢 | 第46页 |
