| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 情感分析 | 第9-10页 |
| 1.2.2 认知语境下的情感计算 | 第10-11页 |
| 1.2.3 常识库研究现状 | 第11页 |
| 1.2.4 基于社交媒体的情感倾向性预测研究现状 | 第11-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 2 相关理论及模型 | 第14-18页 |
| 2.1 情感图式 | 第14-15页 |
| 2.1.1 情感和认知 | 第14页 |
| 2.1.2 情感图式的定义 | 第14-15页 |
| 2.2 信息增益特征选择方法 | 第15页 |
| 2.3 词向量模型word2vec | 第15-17页 |
| 2.4 小结 | 第17-18页 |
| 3 情感常识知识库构建及应用 | 第18-39页 |
| 3.1 情感图式构建及应用 | 第18-26页 |
| 3.1.1 情感图式构建 | 第18-22页 |
| 3.1.2 结合概念层次、语用推理的句子级情感认知模型 | 第22页 |
| 3.1.3 情感图式在规范文本中的应用 | 第22-24页 |
| 3.1.4 实验流程与结果分析 | 第24-26页 |
| 3.2 二元情感常识库构建及应用 | 第26-34页 |
| 3.2.1 二元情感常识库的构建 | 第26-29页 |
| 3.2.2 二元情感常识库在规范文本情感分析中的应用 | 第29-34页 |
| 3.3 基于word2vec的网络情感俗语发现 | 第34-37页 |
| 3.3.1 网络俗语发现 | 第34-36页 |
| 3.3.2 网络俗语情感判定 | 第36-37页 |
| 3.4 情感常识库各组成模块概述 | 第37-38页 |
| 3.5 小结 | 第38-39页 |
| 4 微博事件的情感趋势预测 | 第39-49页 |
| 4.1 情感常识在非规范文本情感分析中的应用 | 第39-41页 |
| 4.1.1 微博内容语义扩展 | 第39-40页 |
| 4.1.2 微博细粒度情感分析 | 第40-41页 |
| 4.1.3 微博极性分析 | 第41页 |
| 4.2 基于情感常识的情感分类模型 | 第41-44页 |
| 4.2.1 微博极性分类模型 | 第42页 |
| 4.2.2 微博细粒度情感分类模型 | 第42-44页 |
| 4.3 基于时间序列的情感趋势预测 | 第44-48页 |
| 4.3.1 微博情感时序分析方法 | 第44-45页 |
| 4.3.2 预测结果分析 | 第45-48页 |
| 4.4 小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |