面向微博的情感倾向性研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第2章 相关理论及技术简介 | 第17-30页 |
| 2.1 微博概述 | 第17-19页 |
| 2.1.1 微博简介 | 第17页 |
| 2.1.2 微博文本分析 | 第17-19页 |
| 2.1.3 微博情感分析中的挑战 | 第19页 |
| 2.2 文本预处理技术 | 第19-21页 |
| 2.2.1 常用分词工具 | 第19-20页 |
| 2.2.2 文本噪声处理 | 第20-21页 |
| 2.3 特征选择及表示技术 | 第21-24页 |
| 2.3.1 常用特征选择方法 | 第21-23页 |
| 2.3.2 常用文本表示方法 | 第23-24页 |
| 2.4 特征权重算法 | 第24-25页 |
| 2.5 常用情感分类算法 | 第25-28页 |
| 2.6 评估标准 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 基于微博情感词典的情感倾向性分析 | 第30-45页 |
| 3.1 中文情感词典简介 | 第30-32页 |
| 3.1.1 基础中文词典 | 第30-31页 |
| 3.1.2 网络流行语词典 | 第31页 |
| 3.1.3 网络表情符词典 | 第31-32页 |
| 3.2 微博情感词典构建 | 第32-35页 |
| 3.2.1 初始微博情感词典构建 | 第32页 |
| 3.2.2 微博情感词典扩展 | 第32-35页 |
| 3.3 实验过程分析 | 第35-40页 |
| 3.3.1 微博预处理 | 第36页 |
| 3.3.2 改进的特征提取算法 | 第36-38页 |
| 3.3.3 特征权重计算 | 第38-39页 |
| 3.3.4 情感判别算法及最佳特征数量选取 | 第39-40页 |
| 3.4 实验结果对比及分析 | 第40-44页 |
| 3.4.1 实验环境介绍 | 第40-41页 |
| 3.4.2 实验数据集 | 第41页 |
| 3.4.3 实验结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于情感特征计算的情感倾向性分析 | 第45-59页 |
| 4.1 语义特征分析 | 第45-46页 |
| 4.2 微博情感倾向性分析 | 第46-54页 |
| 4.2.1 情感干扰因素分析 | 第46-48页 |
| 4.2.2 极性词典构建 | 第48-49页 |
| 4.2.3 特征选择 | 第49-50页 |
| 4.2.4 情感计算 | 第50-54页 |
| 4.3 实验流程及结果分析 | 第54-58页 |
| 4.3.1 实验流程分析 | 第54页 |
| 4.3.2 实验数据集 | 第54-56页 |
| 4.3.3 实验结果分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
