| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容和组织结构 | 第14-17页 |
| 1.3.1 本文的研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15-17页 |
| 第2章 中文微博特点研究及情感分析基础 | 第17-26页 |
| 2.1 中文微博特点研究 | 第17-21页 |
| 2.1.1 微博的语言特点 | 第17-19页 |
| 2.1.2 微博文本的特征分析 | 第19-21页 |
| 2.2 情感分析基础 | 第21-25页 |
| 2.2.1 文本情感分析介绍 | 第21-22页 |
| 2.2.2 情感分析的评测 | 第22-23页 |
| 2.2.3 情感分析的应用 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 相关研究概述 | 第26-39页 |
| 3.1 中英文微博的情感分析 | 第26-27页 |
| 3.1.1 英文微博的情感分析 | 第26-27页 |
| 3.1.2 中文微博的情感分析 | 第27页 |
| 3.2 情感极性分类 | 第27-32页 |
| 3.2.1 基于词典和规则的方法 | 第28-31页 |
| 3.2.2 基于机器学习的方法 | 第31-32页 |
| 3.2.3 基于语义的分析方法 | 第32页 |
| 3.3 主题模型简介 | 第32-36页 |
| 3.3.1 LDA主题模型 | 第32-34页 |
| 3.3.2 BTM主题模型 | 第34-36页 |
| 3.4 相关机器学习模型 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 算法设计与实现 | 第39-51页 |
| 4.1 中文微博情感词典构建 | 第39-43页 |
| 4.1.1 中文情感词汇本体库 | 第39-41页 |
| 4.1.2 网络新词 | 第41页 |
| 4.1.3 连词词典 | 第41-42页 |
| 4.1.4 程度副词词典 | 第42页 |
| 4.1.5 微博表情符号扩展 | 第42-43页 |
| 4.2 基于词典与规则的语义加权情感分析 | 第43-45页 |
| 4.2.1 传统的三分类的微博情感分析 | 第43页 |
| 4.2.2 细粒度的微博情感分析 | 第43-45页 |
| 4.3 基于多特征融合的情感分析 | 第45-46页 |
| 4.3.1 情感词特征 | 第45-46页 |
| 4.3.2 标点符号特征 | 第46页 |
| 4.3.3 句子构成特征 | 第46页 |
| 4.3.4 文本主题特征 | 第46页 |
| 4.4 基于类序列规则的情感分析 | 第46-49页 |
| 4.4.1 类序列规则挖掘 | 第47-48页 |
| 4.4.2 从微博文本中挖掘类序列规则 | 第48-49页 |
| 4.4.3 基于类序列规则的微博文本情感分类 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 实验结果及分析 | 第51-58页 |
| 5.1 实验数据集 | 第51页 |
| 5.2 评价指标 | 第51-52页 |
| 5.3 实验对比与分析 | 第52-57页 |
| 5.3.1 基于不同词典的情感分析实验结果与分析 | 第52-53页 |
| 5.3.2 基于不同特征的细粒度情感分析实验结果与分析 | 第53-57页 |
| 5.3.3 基于SVM的主题相关的微博情感分析实验结果与分析 | 第57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| 6.1 本文总结 | 第58-59页 |
| 6.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录A 图索引 | 第66-67页 |
| Appendix A Figure Index | 第67-68页 |
| 附录B 表索引 | 第68-69页 |
| Appendix B Table Index | 第69-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |