面向微博的新词情感倾向性研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与趋势 | 第10-14页 |
| 1.2.1 情感倾向性分析粒度 | 第11-13页 |
| 1.2.2 情感倾向性划分 | 第13-14页 |
| 1.3 论文研究目标及内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 相关理论和技术 | 第17-31页 |
| 2.1 新词发现 | 第17-19页 |
| 2.2 词语情感倾向性判断 | 第19-24页 |
| 2.2.1 基于词典的方法 | 第19-20页 |
| 2.2.2 基于句法分析的方法 | 第20-21页 |
| 2.2.3 基于统计的方法 | 第21-24页 |
| 2.3 机器学习相关算法及模型 | 第24-30页 |
| 2.3.1 Word2Vec模型 | 第24-27页 |
| 2.3.2 Doc2Vec模型 | 第27-28页 |
| 2.3.3 DCNN模型 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 微博新词情感倾向性判断系统的设计与实现 | 第31-41页 |
| 3.1 系统总体框架设计 | 第31-32页 |
| 3.2 微博语料获取 | 第32-34页 |
| 3.3 微博语料预处理 | 第34-36页 |
| 3.3.1 微博语料清洗 | 第34-35页 |
| 3.3.2 中文分词 | 第35-36页 |
| 3.4 微博新词发现及选择 | 第36-38页 |
| 3.4.1 微博新词发现 | 第36-37页 |
| 3.4.2 微博新词选择 | 第37-38页 |
| 3.5 情感倾向性分析 | 第38-39页 |
| 3.5.1 情感词典选择与构建 | 第38-39页 |
| 3.5.2 微博新词情感倾向性分析 | 第39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 新词情感倾向性分析研究 | 第41-58页 |
| 4.1 研究思路分析 | 第41-42页 |
| 4.2 基于上下文的判断方法研究 | 第42-47页 |
| 4.2.1 基于DCNN模型的改进方法 | 第42-46页 |
| 4.2.2 基于Doc2Vec模型的改进方法 | 第46-47页 |
| 4.3 基于新词自身的判断方法研究 | 第47-48页 |
| 4.3.1 基于Word2Vec模型的改进方法 | 第47-48页 |
| 4.4 基于规则的判断方法研究 | 第48-56页 |
| 4.4.1 实体名识别 | 第49-51页 |
| 4.4.2 利用上下文情感词判断 | 第51-53页 |
| 4.4.3 谐音词处理 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 系统实验与分析 | 第58-73页 |
| 5.1 实验数据与评价方法 | 第58-59页 |
| 5.2 研究方法实验结果与分析 | 第59-69页 |
| 5.2.1 基于DCNN模型的改进方法 | 第59-63页 |
| 5.2.2 基于Doc2Vec模型的改进方法 | 第63-64页 |
| 5.2.3 基于Word2Vec模型的改进方法 | 第64-65页 |
| 5.2.4 实体名识别 | 第65-66页 |
| 5.2.5 利用上下文情感词判断 | 第66-67页 |
| 5.2.6 谐音词处理 | 第67-68页 |
| 5.2.7 系统性能调优 | 第68-69页 |
| 5.3 研究方法同普通方法的对比与分析 | 第69-71页 |
| 5.3.1 基于上下文情感词的PMI方法 | 第69页 |
| 5.3.2 基于广义Jaccard系数的判定方法 | 第69-70页 |
| 5.3.3 Word2Vec模型 | 第70页 |
| 5.3.4 方法对比分析 | 第70-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 未来工作展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78页 |
