基于新词发现的微博文本情感倾向性分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与研究意义 | 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 研究问题与研究方法 | 第12-13页 |
| 1.2.1 研究问题 | 第12-13页 |
| 1.2.2 研究方法 | 第13页 |
| 1.3 研究创新 | 第13-14页 |
| 1.4 研究主要内容与组织结构 | 第14-17页 |
| 1.4.1 主要内容 | 第14页 |
| 1.4.2 组织结构 | 第14-17页 |
| 第2章 国内外相关研究 | 第17-26页 |
| 2.1 情感词典构建的研究现状 | 第17-19页 |
| 2.1.1 情感词典概述 | 第17-18页 |
| 2.1.2 情感词典自动化构建方法 | 第18-19页 |
| 2.2 基于微博文本的情感倾向性分析研究现状 | 第19-20页 |
| 2.2.1 英文微博情感倾向分析研究 | 第19-20页 |
| 2.2.2 英文微博情感倾向分析研究 | 第20页 |
| 2.3 基于网络新词发现方法概述 | 第20-22页 |
| 2.3.1 基于规则的新词发现方法 | 第21-22页 |
| 2.3.2 基于统计的新词发现方法 | 第22页 |
| 2.3.3 基于统计和规则相结合的新词发现方法 | 第22页 |
| 2.4 语义关联规则概述 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 情感词典资源构建 | 第26-32页 |
| 3.1 引言 | 第26-27页 |
| 3.2 情感词典类别和构建 | 第27-30页 |
| 3.2.1 情感词典类别 | 第27-28页 |
| 3.2.2 基础情感词典的构建 | 第28-29页 |
| 3.2.3 表情符号词典的构建 | 第29页 |
| 3.2.4 修饰词词典的构建 | 第29-30页 |
| 3.2.5 网络新词词典的构建 | 第30页 |
| 3.3 本章小结 | 第30-32页 |
| 第4章 基于统计的新词发现方法 | 第32-42页 |
| 4.1 引言 | 第32-33页 |
| 4.2 新词发现方法总体框架 | 第33-34页 |
| 4.3 语料数据预处理 | 第34页 |
| 4.4 中文分词研究 | 第34-36页 |
| 4.5 基于统计的新词挖掘 | 第36-38页 |
| 4.5.1 字串频数 | 第36页 |
| 4.5.2 内部耦合度 | 第36-37页 |
| 4.5.3 上下文信息熵 | 第37页 |
| 4.5.4 成词概率 | 第37-38页 |
| 4.6 基于扩展的SO-PMI算法的新词情感识别 | 第38-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第5章 基于规则集的短文本情感分类模型 | 第42-49页 |
| 5.1 模型构建 | 第42-44页 |
| 5.2 基于规则集的微博文本情感分析 | 第44-48页 |
| 5.2.1 分句规则集的获取 | 第44-46页 |
| 5.2.2 句型规则集的获取 | 第46-47页 |
| 5.2.3 表情符规则集的获取 | 第47页 |
| 5.2.4 微博综合情感倾向加权计算 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 实验及算法评价 | 第49-59页 |
| 6.0 引言 | 第49页 |
| 6.1 实验数据 | 第49-52页 |
| 6.2 实验评价指标 | 第52-53页 |
| 6.3 实验设计 | 第53-57页 |
| 6.3.1 预处理和中文分词 | 第53-54页 |
| 6.3.2 新词发现实验 | 第54-56页 |
| 6.3.3 情感分类实验 | 第56-57页 |
| 6.4 实验结果分析 | 第57-59页 |
| 第7章 主要结论及研究展望 | 第59-61页 |
| 7.1 主要结论 | 第59-60页 |
| 7.2 领域创新及后续研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 在读期间发表的论文及参与项目 | 第66页 |
