| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 互联网与微博 | 第9页 |
| 1.1.2 研究目的与意义 | 第9-10页 |
| 1.1.3 国内外研究现状 | 第10-11页 |
| 1.2 中文分词技术发展的背景及意义 | 第11-12页 |
| 1.2.1 分词技术 | 第11页 |
| 1.2.2 分词技术已成热门话题 | 第11-12页 |
| 1.3 中文分词方法 | 第12-13页 |
| 1.4 文本研究意义 | 第13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 2 相关概念与技术 | 第14-25页 |
| 2.1 微博简介 | 第14-18页 |
| 2.1.1 微博的起源 | 第14-15页 |
| 2.1.2 微博的特点 | 第15页 |
| 2.1.3 微博规范说明 | 第15-17页 |
| 2.1.4 中文微博研究的困难 | 第17-18页 |
| 2.2 文本预处理与中文分词技术 | 第18-21页 |
| 2.2.0 ICTACLAS中文词法分析技术 | 第18页 |
| 2.2.1 隐马模型概述 | 第18-19页 |
| 2.2.2 层叠隐马模型 | 第19页 |
| 2.2.3 基于层叠隐马尔可夫模型分词框架 | 第19页 |
| 2.2.4 隐马尔可夫模型的应用领域 | 第19-21页 |
| 2.2.5 文本预处理 | 第21页 |
| 2.3 JFreeChart图表绘制类库 | 第21-22页 |
| 2.4 JSON格式 | 第22-23页 |
| 2.4.1 JSON的基础结构 | 第22页 |
| 2.4.2 具体形式 | 第22-23页 |
| 2.5 utf-8和GB 18030编码 | 第23-25页 |
| 2.5.1 计算机编码发展史 | 第23-24页 |
| 2.5.2 GB18030编码 | 第24页 |
| 2.5.3 UTF-8编码 | 第24-25页 |
| 3 基于句子结构的中文微博情绪分析算法 | 第25-30页 |
| 3.1 算法设计思想 | 第25页 |
| 3.2 情感词库的构建与量化 | 第25-27页 |
| 3.2.1 书面语情感词汇 | 第25页 |
| 3.2.2 微博表情 | 第25-27页 |
| 3.3 算法工作原理与流程 | 第27-28页 |
| 3.4 情绪分析算法示例 | 第28-30页 |
| 4 需求分析说明 | 第30-35页 |
| 4.1 系统面向的用户群体 | 第30页 |
| 4.2 系统总功能需求分析 | 第30-32页 |
| 4.2.1 前台功能 | 第30-31页 |
| 4.2.2 后台功能 | 第31页 |
| 4.2.3 系统分词功能 | 第31-32页 |
| 4.3 用例分析 | 第32-33页 |
| 4.4 系统性能需求 | 第33-35页 |
| 4.4.1 系统的安全与保密性 | 第33页 |
| 4.4.2 系统的可维护性 | 第33-34页 |
| 4.4.3 系统的可移植性 | 第34页 |
| 4.4.4 系统的可操作性 | 第34页 |
| 4.4.5 系统的时效行 | 第34-35页 |
| 5 系统设计 | 第35-55页 |
| 5.1 设计思想 | 第35-36页 |
| 5.2 总体框架图设计 | 第36页 |
| 5.3 系统设计 | 第36-55页 |
| 5.3.1 设计原则 | 第36-37页 |
| 5.3.2 系统流程设计 | 第37-38页 |
| 5.3.3 用例图示 | 第38-39页 |
| 5.3.4 用例描述 | 第39-44页 |
| 5.3.5 系统类设计 | 第44-46页 |
| 5.3.6 数据库设计 | 第46-55页 |
| 6 系统实现 | 第55-63页 |
| 6.1 系统用户界面遵循一些原则 | 第55页 |
| 6.2 基于句子结构的关键词情感极性倾向分析模块实现 | 第55-58页 |
| 6.3 系统用户界面 | 第58-60页 |
| 6.4 系统软硬件环境 | 第60页 |
| 6.5 查看分析结果界面 | 第60-63页 |
| 7 系统测试与情绪分析结果评估 | 第63-66页 |
| 7.1 数据来源 | 第63页 |
| 7.2 系统稳定性测试 | 第63-64页 |
| 7.3 情绪识别结果评估 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |