| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·研究意义及应用领域 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·主客观文本分类研究现状 | 第12-13页 |
| ·微博情感分类研究现状 | 第13-15页 |
| ·微博倾向性分析相关评测 | 第15页 |
| ·研究思路 | 第15-16页 |
| ·本文的主要工作 | 第16页 |
| ·本文的结构安排 | 第16-17页 |
| 第二章 微博情感分类相关技术 | 第17-32页 |
| ·微博文本情感分类基本流程 | 第17页 |
| ·语料库构建技术 | 第17-18页 |
| ·微博文本预处理技术 | 第18-20页 |
| ·微博文本分词 | 第18-19页 |
| ·微博停用词及特殊符号的过滤 | 第19-20页 |
| ·微博情感词典构建技术 | 第20-24页 |
| ·情感词典资源介绍 | 第20-21页 |
| ·微博情感词的识别与倾向性判断 | 第21-24页 |
| ·微博情感特征选择算法与特征权值计算 | 第24-26页 |
| ·微博情感特征选择算法 | 第24-26页 |
| ·微博特征权值计算方法 | 第26页 |
| ·微博情感分类算法 | 第26-30页 |
| ·基于情感词的微博情感分类算法 | 第26-27页 |
| ·基于朴素贝叶斯的微博情感分类算法 | 第27-28页 |
| ·基于 K 近邻的微博情感分类算法 | 第28-29页 |
| ·基于支持向量机的微博情感分类算法 | 第29-30页 |
| ·微博情感分类效果的评价指标 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 微博情感词典的构建 | 第32-40页 |
| ·微博基础情感词典的构建 | 第32-34页 |
| ·情感词典适用性分析 | 第32-34页 |
| ·微博基础情感词典的组成 | 第34页 |
| ·基于平滑 SO-PMI 算法的微博情感词典构建 | 第34-37页 |
| ·基于拉普拉斯平滑的 SO-PMI 算法 | 第35-37页 |
| ·一种基于平滑 SO-PMI 的微博情感词典构建方法 | 第37页 |
| ·实验与分析 | 第37-39页 |
| ·实验语料及实验过程 | 第37-38页 |
| ·微博情感分类器的构造 | 第38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于粗糙集与概率加权的主客观微博文本的分类研究 | 第40-50页 |
| ·粗糙集理论及相关定义 | 第40-42页 |
| ·候选主观特征的抽取 | 第42-43页 |
| ·基于微博情感词典的候选主观微博特征抽取 | 第42-43页 |
| ·基于统计分析的候选主观微博特征抽取 | 第43页 |
| ·主观微博特征选择算法设计 | 第43-45页 |
| ·决策表的构造 | 第44页 |
| ·基于粗糙集与概率加权的主观特征选择算法 | 第44-45页 |
| ·实验结果及相关分析 | 第45-49页 |
| ·实验环境及实验数据 | 第45-46页 |
| ·实验结果评价指标 | 第46页 |
| ·候选主观特征在分类中的重要度 | 第46-47页 |
| ·阈值区间选取实验 | 第47页 |
| ·近邻个数 K 对主客观微博文本分类结果的影响 | 第47-48页 |
| ·实验结果对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于微博情感词典与 CHI-tfidf 的主观微博的情感分类 | 第50-60页 |
| ·引言 | 第50页 |
| ·基于信息增益的微博情感特征选择 | 第50-52页 |
| ·信息增益算法 | 第50-51页 |
| ·基于信息增益的微博情感特征选择算法 | 第51-52页 |
| ·基于卡方算法的微博情感特征选择 | 第52-53页 |
| ·基于微博情感词典与 CHI-tfidf 的微博情感特征选择算法 | 第53-55页 |
| ·基于微博情感词典的非情感噪音过滤 | 第54页 |
| ·基于 CHI-tfidf 算法的微博情感特征选择 | 第54-55页 |
| ·实验与分析 | 第55-59页 |
| ·实验环境及数据 | 第55-56页 |
| ·实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间主要的研究成果 | 第66-67页 |
| 致谢 | 第67页 |
