| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究问题 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文技术路线及分析框架 | 第13-16页 |
| 第二章 相关研究现状 | 第16-23页 |
| 2.1 文本情感识别 | 第16-18页 |
| 2.1.1 基于传播场景的情感分析方法 | 第16-17页 |
| 2.1.2 基于话题的情感分析方法 | 第17页 |
| 2.1.3 基于演化的情感分析方法 | 第17-18页 |
| 2.2 情感词典与基础知识库 | 第18-20页 |
| 2.2.1 基础情感词典 | 第18页 |
| 2.2.2 表情符号情感词典 | 第18-19页 |
| 2.2.3 可辅助识别词语倾向的知识库 | 第19-20页 |
| 2.3 词语情绪识别 | 第20-21页 |
| 2.3.1 基于规则的词语情绪识别 | 第20页 |
| 2.3.2 基于知识库的词语情绪识别 | 第20-21页 |
| 2.3.3 基于语料库统计分析的词语情绪识别 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于词向量的情感词识别与倾向判断 | 第23-39页 |
| 3.1 基于词向量的词语倾向识别相关研究 | 第23-26页 |
| 3.1.1 词向量 | 第23页 |
| 3.1.2 神经网络语言模型与Word2Vec | 第23-24页 |
| 3.1.3 Word2Vec的基本原理 | 第24-26页 |
| 3.2 基于Word2Vec的词语情感识别方案 | 第26-30页 |
| 3.3 实验流程 | 第30-35页 |
| 3.3.1 数据采集 | 第30-31页 |
| 3.3.2 基础情感词典选择与扩充 | 第31-32页 |
| 3.3.3 语料清洗、分词与新词发现 | 第32-34页 |
| 3.3.4 近义词识别及词语倾向判断 | 第34-35页 |
| 3.4 实验结果及效果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于词共现与词向量相似度的情感词语识别 | 第39-54页 |
| 4.1 研究基础与理论 | 第39-41页 |
| 4.1.1 基于词共现的SO-PMI算法 | 第39-41页 |
| 4.1.2 基于词共现与词向量的情感词识别方法 | 第41页 |
| 4.2 结合词共现与词向量相似度的情感词语识别方案 | 第41-46页 |
| 4.2.1 利用SO-PMI算法识别微博情感词 | 第42-44页 |
| 4.2.2 结合SO-PMI算法与词向量相似度识别情感词 | 第44-46页 |
| 4.3 实验过程 | 第46-51页 |
| 4.3.1 情感词语预选 | 第46-48页 |
| 4.3.2 种子词选取 | 第48-50页 |
| 4.3.3 利用SO-PMI算法判断词语倾向 | 第50页 |
| 4.3.4 结合词共现与词向量相似度判断词语倾向 | 第50-51页 |
| 4.4 实验结果及分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 研究结论 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表论文情况 | 第63页 |