基于朴素贝叶斯的文档级情感分析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·情感分析的定义 | 第8-10页 |
| ·本文的研究重点和工作内容 | 第10-12页 |
| 2 情感分析的应用和挑战 | 第12-16页 |
| ·情感分析的应用 | 第12-13页 |
| ·关于评价网页的应用 | 第12页 |
| ·作为其他组件的应用 | 第12-13页 |
| ·在商业智能中的应用 | 第13页 |
| ·情感分析的挑战 | 第13-16页 |
| ·与传统文本分析对比 | 第13-14页 |
| ·情感分析的难题 | 第14-16页 |
| 3 情感分析文献综述 | 第16-23页 |
| ·情感词和短语的抽取和识别 | 第16-17页 |
| ·句子以及文档级情感分类 | 第17-19页 |
| ·抽取评价对象和观点持有者 | 第19-21页 |
| ·面向情感的信息检索 | 第21-23页 |
| 4 情感信息分类算法 | 第23-44页 |
| ·NB和SVMs分类算法 | 第23-26页 |
| ·朴素贝叶斯分类算法 | 第23-25页 |
| ·支持向量机分类算法 | 第25-26页 |
| ·基于最小割的分类算法 | 第26-33页 |
| ·算法背景 | 第26页 |
| ·最大流最小割问题的提出 | 第26-27页 |
| ·基本概念、结论以及算法 | 第27-31页 |
| ·最小割分类实例 | 第31-33页 |
| ·文本情感极性分类 | 第33-36页 |
| ·基本流程 | 第33页 |
| ·上下文和主客观检测 | 第33-34页 |
| ·基于割的主客观句子分类 | 第34-36页 |
| ·割分类的优势 | 第36页 |
| ·自动获取标注数据 | 第36-39页 |
| ·问题背景 | 第36-37页 |
| ·抽取模式 | 第37页 |
| ·学习抽取模式 | 第37-39页 |
| ·评价框架及数据处理 | 第39-44页 |
| 5 实验结果 | 第44-48页 |
| ·基础的主观句子抽取 | 第44-45页 |
| ·结合上下文信息的主观信息抽取 | 第45-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
