企业舆情情感倾向分析研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 话题识别与追踪 | 第9-10页 |
| 1.2.2 观点识别 | 第10-12页 |
| 1.2.3 观点总结 | 第12-13页 |
| 1.3 研究内容、方法 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究方法 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 企业舆情分析框架研究 | 第16-30页 |
| 2.1 确立分析事件 | 第16页 |
| 2.2 搜集相关数据 | 第16-24页 |
| 2.2.1 数据来源及数据库表结构 | 第16-18页 |
| 2.2.2 网络爬虫 | 第18-19页 |
| 2.2.3 相关信息获取 | 第19-24页 |
| 2.3 文本情感值计算 | 第24-29页 |
| 2.3.1 中文分词 | 第24-28页 |
| 2.3.2 词性标注 | 第28页 |
| 2.3.3 停用词过滤 | 第28-29页 |
| 2.4 舆情结果反馈 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于情感词典的文本情感分析 | 第30-42页 |
| 3.1 HOWNET介绍 | 第30页 |
| 3.2 情感词典构建 | 第30-35页 |
| 3.2.1 情感词典相关介绍 | 第30-32页 |
| 3.2.2 基础情感词典构建 | 第32-33页 |
| 3.2.3 程度副词词典构建 | 第33-34页 |
| 3.2.4 否定词词典构建 | 第34页 |
| 3.2.5 表情符号词典构建 | 第34-35页 |
| 3.2.6 网络用语词典构建 | 第35页 |
| 3.3 未登录情感词情感倾向计算 | 第35-37页 |
| 3.3.1 基于HowNet词汇相似度计算 | 第35-36页 |
| 3.3.2 用HowNet计算词语情感倾向 | 第36-37页 |
| 3.4 基于情感词典的文本情感值计算 | 第37-41页 |
| 3.4.1 否定词的处理 | 第37-38页 |
| 3.4.2 程度副词处理 | 第38页 |
| 3.4.3 感叹句的处理 | 第38页 |
| 3.4.4 综合处理 | 第38-39页 |
| 3.4.5 情感倾向计算方法 | 第39-40页 |
| 3.4.6 情感分类 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 实例分析 | 第42-52页 |
| 4.1 确立分析事件—以魏则西事件为例 | 第42页 |
| 4.2 搜集相关数据 | 第42-46页 |
| 4.2.1 确定数据来源 | 第42-43页 |
| 4.2.2 数据爬取及解析 | 第43-46页 |
| 4.3 文本预处理 | 第46-47页 |
| 4.4 情感倾向计算 | 第47-49页 |
| 4.4.1 情感词典构建 | 第47页 |
| 4.4.2 情感值计算 | 第47-48页 |
| 4.4.3 情感分类 | 第48-49页 |
| 4.5 舆情结果反馈 | 第49页 |
| 4.6 实例结果与分析 | 第49-51页 |
| 4.6.1 评估指标 | 第49-50页 |
| 4.6.2 实例结果评价 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录1 词性编码表 | 第57-58页 |
| 附录2 HOWNET中词语的概念表示 | 第58-60页 |
| 附录3 情感分析程序代码 | 第60-66页 |
| 致谢 | 第66页 |
