| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 论文研究方法 | 第17-18页 |
| 1.4 论文创新点 | 第18页 |
| 1.5 论文组织架构 | 第18-20页 |
| 第2章 微博情感分析基础 | 第20-27页 |
| 2.1 中文微博文本研究概述 | 第20-22页 |
| 2.1.1 微博短文本的客观特征 | 第20-21页 |
| 2.1.2 微博短文本的主观特征 | 第21-22页 |
| 2.2 微博短文本情感分析研究的理论基础 | 第22-26页 |
| 2.2.1 基于情感词典的方法 | 第22-23页 |
| 2.2.2 基于机器学习的方法 | 第23-26页 |
| 2.2.3 基于语义规则的方法 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 算法流程与语义规则的应用 | 第27-38页 |
| 3.1 算法流程与总体框架 | 第27-28页 |
| 3.2 相关准备工作 | 第28-32页 |
| 3.2.1 微博语料采集与文本预处理 | 第28-30页 |
| 3.2.2 情感词典的构建 | 第30-32页 |
| 3.3 情感分析单元及其情感强度计算规则 | 第32-34页 |
| 3.3.1 情感分析单元的构成 | 第32-33页 |
| 3.3.2 情感分析单元的情感强度计算规则 | 第33-34页 |
| 3.4 基于规则集的微博情感分析 | 第34-36页 |
| 3.4.1 句型分析规则 | 第35页 |
| 3.4.2 句间关系分析规则 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于SO-PMI以及表情符号的情感词典自动构建方法 | 第38-45页 |
| 4.1 引言 | 第38-39页 |
| 4.2 融合表情符号的微博情感词典构建 | 第39-41页 |
| 4.2.1 微博表情语料预处理 | 第39-40页 |
| 4.2.2 微博情感词的抽取 | 第40-41页 |
| 4.3 基于SO-PMI算法的情感倾向性计算 | 第41页 |
| 4.4 实验 | 第41-43页 |
| 4.4.1 基准词选择和PMI算法的拓展 | 第41-42页 |
| 4.4.2 对比实验与分析 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 微博情感分析实验设计与实现 | 第45-52页 |
| 5.1 实验数据 | 第45-46页 |
| 5.2 实验性能评估指标 | 第46页 |
| 5.3 实验设计与结果分析 | 第46-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 局限性 | 第52-53页 |
| 6.3 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59页 |