中文微博情感分析及其应用--以“食品安全”为例
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景与意义 | 第11-12页 |
| ·文献综述 | 第12-17页 |
| ·研究目标与方法 | 第17-18页 |
| ·创新点和难点 | 第18-19页 |
| 2 情感分析概述 | 第19-33页 |
| ·情感分析概要 | 第19-21页 |
| ·情感分析主要任务 | 第21-26页 |
| ·极性判断 | 第21-22页 |
| ·主观性判断 | 第22-25页 |
| ·相关性判断 | 第25-26页 |
| ·情感分析基本方法 | 第26-29页 |
| ·词级情感分析 | 第26-28页 |
| ·句级情感分析 | 第28-29页 |
| ·篇章级情感分析 | 第29页 |
| ·数据驱动的情感分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 3 机器学习方法——SVM | 第33-45页 |
| ·SVM与泛化能力 | 第33-36页 |
| ·支持向量机 | 第33-34页 |
| ·经验风险的局限 | 第34页 |
| ·结构化风险最小 | 第34-35页 |
| ·VC维理论 | 第35页 |
| ·SVM特点 | 第35-36页 |
| ·SVM算法 | 第36-44页 |
| ·基本原理 | 第36-39页 |
| ·线性可分情况 | 第39-41页 |
| ·线性不可分情况 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于“食品安全”的实证 | 第45-79页 |
| ·数据来源 | 第45-48页 |
| ·语料库 | 第46页 |
| ·新浪API | 第46-47页 |
| ·百度搜索 | 第47-48页 |
| ·新浪搜索 | 第48页 |
| ·模拟登陆 | 第48-51页 |
| ·数据清洗 | 第51-56页 |
| ·情感分析 | 第56-66页 |
| ·模式匹配 | 第57-59页 |
| ·情感计算 | 第59-66页 |
| ·机器分类与测评 | 第66-72页 |
| ·时序关联 | 第72-78页 |
| ·本章小结 | 第78-79页 |
| 5 总结与不足 | 第79-80页 |
| ·总结 | 第79页 |
| ·不足 | 第79-80页 |
| 主要参考文献 | 第80-84页 |
| 附录-核心代码清单 | 第84-100页 |
| 在读期间参与的科研项目及发表的学术论文 | 第100-101页 |
| 后记 | 第101页 |
