| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 本文主要研究工作 | 第10-11页 |
| 1.2.1 基于Word2Vec和语义的情感词新词发现 | 第10页 |
| 1.2.2 基于逻辑斯谛回归模型微博情感度分析 | 第10-11页 |
| 1.2.3 基于多维度的微博热点话题情感摘要抽取 | 第11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第2章 相关工作综述 | 第13-21页 |
| 2.1 文本情感分析 | 第13-14页 |
| 2.2 文本摘要 | 第14-15页 |
| 2.3 情感摘要 | 第15-16页 |
| 2.4 逻辑斯谛回归模型 | 第16-17页 |
| 2.5 相似度计算 | 第17-18页 |
| 2.6 数据变换 | 第18-19页 |
| 2.7 整体对比与总结 | 第19页 |
| 2.8 本章小结 | 第19-21页 |
| 第3章 基于Word2Vec和语义情感词汇总与新词发现 | 第21-34页 |
| 3.1 情感词汇总 | 第21-23页 |
| 3.1.1 种子情感词收集和分析 | 第21-22页 |
| 3.1.2 情感词融合与情感强度设置 | 第22-23页 |
| 3.2 情感词新词发现 | 第23-29页 |
| 3.2.1 Word2Vec概述 | 第23-25页 |
| 3.2.2 情感词语义相似度分析 | 第25-26页 |
| 3.2.3 情感词新词发现 | 第26-29页 |
| 3.3 实验与分析 | 第29-33页 |
| 3.3.1 语料收集 | 第29页 |
| 3.3.2 实验评估 | 第29页 |
| 3.3.3 实验与分析 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于逻辑斯谛回归模型的情感度分析 | 第34-52页 |
| 4.1 情感度分析问题描述 | 第34页 |
| 4.2 逻辑斯谛回归模型调整与应用 | 第34-35页 |
| 4.3 情感要素分析 | 第35-44页 |
| 4.3.1 情感词 | 第36-38页 |
| 4.3.2 表情符号 | 第38-41页 |
| 4.3.3 情感词短语 | 第41-42页 |
| 4.3.4 否定词 | 第42-43页 |
| 4.3.5 情感度算法设计 | 第43-44页 |
| 4.4 算法设计与实验分析 | 第44-49页 |
| 4.4.1 语料收集 | 第44-45页 |
| 4.4.3 实验设置与评估 | 第45-46页 |
| 4.4.4 实验与分析 | 第46-49页 |
| 4.5 情感度的推演 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于多维度的微博热点话题情感摘要抽取 | 第52-75页 |
| 5.1 问题描述 | 第52页 |
| 5.2 话题情感摘要分析 | 第52-61页 |
| 5.2.1 情感摘要抽取框架 | 第52-53页 |
| 5.2.2 微博与话题相关度分析 | 第53-56页 |
| 5.2.3 微博热度分析 | 第56-57页 |
| 5.2.4 情感摘要抽取 | 第57-59页 |
| 5.2.5 冗余处理 | 第59-60页 |
| 5.2.6 情感摘要抽取流程与算法实现 | 第60-61页 |
| 5.3 实验与分析 | 第61-73页 |
| 5.3.1 实验数据收集 | 第61-62页 |
| 5.3.2 实验设置与评价 | 第62-64页 |
| 5.3.3 话题情感摘要分析 | 第64-68页 |
| 5.3.4 内部评价 | 第68-70页 |
| 5.3.5 外部评价 | 第70-73页 |
| 5.4 本章小结 | 第73-75页 |
| 第6章 系统设计与实现 | 第75-79页 |
| 6.1 系统总体设计 | 第75页 |
| 6.2 系统功能模块 | 第75-76页 |
| 6.3 界面展示 | 第76-78页 |
| 6.4 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间发表论文 | 第87-89页 |
| 致谢 | 第89页 |