中文短文本情感分类方法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 主要研究内容 | 第9-11页 |
| 1.3 本文内容安排 | 第11-13页 |
| 第2章 相关工作综述 | 第13-19页 |
| 2.1 网络用户短文本数据抽取综述 | 第13-14页 |
| 2.2 相似近义特征词聚类研究方法综述 | 第14-15页 |
| 2.3 情感分类研究方法综述 | 第15-16页 |
| 2.4 特征降维 | 第16页 |
| 2.5 word2vec介绍 | 第16-17页 |
| 2.6 libsvm相关介绍 | 第17-18页 |
| 2.7 本章小结 | 第18-19页 |
| 第3章 基于近义相似特征词的情感词库扩充 | 第19-27页 |
| 3.1 基于word2vec的相似特征近义词发现 | 第19-20页 |
| 3.2 情感特征词库扩充具体方法和步骤 | 第20-25页 |
| 3.2.1 数据预处理 | 第20-21页 |
| 3.2.2 使用word2vec生成词向量 | 第21-24页 |
| 3.2.3 特征词库的扩充 | 第24-25页 |
| 3.3 本章小结 | 第25-27页 |
| 第4章 基于句式结构特征的情感分类研究 | 第27-33页 |
| 4.1 基于句式特征的情感分类方法 | 第27页 |
| 4.2 基于条件随机场的核心词提取 | 第27-29页 |
| 4.3 句式结构特征的提取 | 第29-31页 |
| 4.4 使用libsvm进行分类 | 第31-32页 |
| 4.4.1 数据格式 | 第31页 |
| 4.4.2 训练命令 | 第31页 |
| 4.4.3 分类预测命令 | 第31-32页 |
| 4.5 本章总结 | 第32-33页 |
| 第5章 基于语义特征的情感分析研究 | 第33-41页 |
| 5.1 基于语义特征的情感分析 | 第33页 |
| 5.2 使用PCA方法进行特征降维处理 | 第33-36页 |
| 5.3 情感特征词库的构建 | 第36页 |
| 5.4 情感分类方法 | 第36-37页 |
| 5.5 情感极性预测方法 | 第37-38页 |
| 5.6 本章总结 | 第38-41页 |
| 第6章 实验结果与分析 | 第41-55页 |
| 6.1 实验数据 | 第41-42页 |
| 6.2 评价标准 | 第42-43页 |
| 6.3 基于近义相似特征词的情感词库扩充 | 第43-45页 |
| 6.3.1 实验结果 | 第43页 |
| 6.3.2 实验分析 | 第43-45页 |
| 6.4 基于句式结构特征的情感分类 | 第45-47页 |
| 6.4.1 实验结果 | 第45-46页 |
| 6.4.2 实验分析 | 第46-47页 |
| 6.5 基于语义特征的情感分类 | 第47-49页 |
| 6.5.1 实验结果 | 第47-49页 |
| 6.5.2 实验分析 | 第49页 |
| 6.6 基于语义特征的情感极性预测 | 第49-54页 |
| 6.6.1 实验结果 | 第49-54页 |
| 6.7 本章小结 | 第54-55页 |
| 第7章 情感分类方法在微博舆情分析中的应用 | 第55-63页 |
| 7.1 舆情分析系统总体设计 | 第55页 |
| 7.2 新浪微博舆情系统功能 | 第55-59页 |
| 7.2.1 数据爬取模块 | 第55-58页 |
| 7.2.2 数据持久化处理 | 第58-59页 |
| 7.2.3 数据信息分析 | 第59页 |
| 7.3 舆情分析系统分析结果展示 | 第59-61页 |
| 7.4 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间已发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
