| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本课题研究工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 相关理论基础 | 第16-22页 |
| 2.1 短文本和微博 | 第16-18页 |
| 2.1.1 短文本 | 第16-17页 |
| 2.1.2 微博 | 第17-18页 |
| 2.2 情感分析 | 第18-21页 |
| 2.2.1 基于机器学习的方法 | 第19-20页 |
| 2.2.2 基于情感词典和规则的方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 数据预处理 | 第22-27页 |
| 3.1 数据准备 | 第22页 |
| 3.2 数据处理 | 第22-26页 |
| 3.2.1 数据清洗 | 第23-24页 |
| 3.2.2 分词与去停用词 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于情感关键词搜索的情感分析 | 第27-40页 |
| 4.1 关键词提取 | 第28-29页 |
| 4.2 词向量 | 第29-31页 |
| 4.3 情感关键词的选择与提取 | 第31-33页 |
| 4.4 基于情感关键词的搜索和投票 | 第33-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 融合词典与规则的基于机器学习的情感分析 | 第40-50页 |
| 5.1 文本表示及特征提取 | 第40-45页 |
| 5.1.1 向量空间模型 | 第40-41页 |
| 5.1.2 特征选择 | 第41-43页 |
| 5.1.3 权重计算 | 第43-45页 |
| 5.2 文本分类方法 | 第45-47页 |
| 5.2.1 朴素贝叶斯 | 第45页 |
| 5.2.3 支持向量机 | 第45-47页 |
| 5.3 改进的特征选择方法 | 第47-48页 |
| 5.4 改进的特征权重计算方法 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 实验结果与分析 | 第50-56页 |
| 6.1 评价方法 | 第50页 |
| 6.2 基于情感关键词搜索的情感分析的实验 | 第50-52页 |
| 6.3 融合词典与规则的基于机器学习的情感分析的实验 | 第52-53页 |
| 6.4 实验结果分析 | 第53-56页 |
| 第七章 结语 | 第56-59页 |
| 7.1 本文工作总结 | 第56-57页 |
| 7.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者攻读学位期间发表的学术论文目录 | 第64页 |