| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 英文微博情绪分析 | 第13-14页 |
| 1.2.2 中文微博情绪分析 | 第14-15页 |
| 1.3 论文研究工作 | 第15-18页 |
| 1.3.1 情绪词典 | 第16-17页 |
| 1.3.2 微博情绪表达特点 | 第17-18页 |
| 1.3.3 词典与规则结合的情绪分类系统 | 第18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 相关理论和技术 | 第20-26页 |
| 2.1 情绪分析相关理论 | 第20-21页 |
| 2.1.1 情绪分析介绍 | 第20-21页 |
| 2.1.2 主客观分类 | 第21页 |
| 2.2 微博文本预处理 | 第21-23页 |
| 2.2.1 中文分词及词性标注 | 第21-22页 |
| 2.2.2 停用词过滤 | 第22页 |
| 2.2.3 情绪分类特征选择 | 第22-23页 |
| 2.3 微博文本情绪分析方法 | 第23-25页 |
| 2.3.1 基于情绪词典的分析方法 | 第23-24页 |
| 2.3.2 基于机器学习的分析方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 微博情绪词典的构建研究 | 第26-40页 |
| 3.1 情绪词典介绍 | 第26-27页 |
| 3.2 微博情绪词典 | 第27-33页 |
| 3.2.1 中文基础情绪词典 | 第27-29页 |
| 3.2.2 微博表情符号词典 | 第29-31页 |
| 3.2.3 网络情感词典 | 第31-32页 |
| 3.2.4 程度副词词典 | 第32-33页 |
| 3.2.5 否定词词典 | 第33页 |
| 3.3 基于多点扩充SO-PMI算法的情绪词典扩展 | 第33-36页 |
| 3.3.1 基于多点扩充的SO-PMI算法 | 第33-35页 |
| 3.3.2 微博情绪词典扩展 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-38页 |
| 3.4.1 实验数据获取与准备 | 第36-37页 |
| 3.4.2 性能评估指标 | 第37页 |
| 3.4.3 实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 词典与规则结合的情绪分类方法 | 第40-58页 |
| 4.1 微博文本情绪分析方法综述 | 第40-41页 |
| 4.2 微博情绪分析规则 | 第41-47页 |
| 4.2.1 情感词组合类型分析 | 第41-43页 |
| 4.2.2 组合情绪类别判定规则 | 第43-44页 |
| 4.2.3 情感强度值计算 | 第44-45页 |
| 4.2.4 微博文本情绪分类 | 第45-47页 |
| 4.3 采用机器学习算法的情绪分类 | 第47-49页 |
| 4.3.1 文本情绪分类特征选择 | 第47-48页 |
| 4.3.2 基于朴素贝叶斯的文本分类器 | 第48页 |
| 4.3.3 基于KNN算法的文本分类器 | 第48-49页 |
| 4.3.4 基于SVM的文本分类器 | 第49页 |
| 4.4 实验结果及分析 | 第49-56页 |
| 4.4.1 实验数据集 | 第49-50页 |
| 4.4.2 实验评价标准 | 第50-51页 |
| 4.4.3 实验结果及分析 | 第51-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 情绪内容分类系统的设计与实现 | 第58-70页 |
| 5.1 系统基本架构 | 第58页 |
| 5.2 系统模块设计与实现 | 第58-65页 |
| 5.2.1 数据采集与管理模块 | 第58-60页 |
| 5.2.2 情绪词典构建模块 | 第60-63页 |
| 5.2.3 文本处理与情感值计算模块 | 第63-64页 |
| 5.2.4 情绪类别判定模块 | 第64-65页 |
| 5.3 系统测试 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70-71页 |
| 6.2 进一步研究的展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表的论文 | 第77页 |