网络舆论的情感倾向性评价技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·背景 | 第9页 |
| ·WWW(World Wide Web)介绍 | 第9-10页 |
| ·情感分析的研究现状 | 第10-13页 |
| ·课题研究的目的与意义 | 第13页 |
| ·主要的研究内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 2 文本分类的相关知识 | 第15-26页 |
| ·自然语言处理 | 第15页 |
| ·文本分类的传统方法 | 第15-22页 |
| ·向量空间模型(VSM) | 第16-17页 |
| ·特征选取 | 第17-20页 |
| ·基于文档频率的特征选取 | 第18页 |
| ·信息增益的特征选取 | 第18页 |
| ·基于χ~2统计量的特征选取方法 | 第18-20页 |
| ·特征权重的计算 | 第20-21页 |
| ·贝叶斯方法 | 第21-22页 |
| ·K-最邻近方法 | 第22页 |
| ·支持向量机方法 | 第22页 |
| ·研究中的情感分析方法 | 第22-24页 |
| ·情感信息的抽取 | 第23-24页 |
| ·情感信息分类 | 第24页 |
| ·文本分类系统的评价 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 特定内容的情感倾向性评价技术的研究 | 第26-47页 |
| ·本文用到的概念、定义 | 第27-29页 |
| ·建立基本字典 | 第29-35页 |
| ·机器学习规则 | 第29-31页 |
| ·名词扩展算法 | 第31-32页 |
| ·人工介入的特征词抽取算法 | 第32页 |
| ·自动的抽取算法 | 第32-34页 |
| ·情感动词的抽取 | 第34-35页 |
| ·文本情感分类算法 | 第35-46页 |
| ·句法分析 | 第35-43页 |
| ·句法分析树 | 第35-40页 |
| ·极端情感动词模型 | 第40-41页 |
| ·主语自动转移模型 | 第41-42页 |
| ·情感修饰短语模型 | 第42页 |
| ·特殊位置形容词修饰的处理 | 第42-43页 |
| ·情感分类算法 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 4 特定内容的情感倾向性评价技术的系统设计 | 第47-54页 |
| ·系统的需求分析 | 第47页 |
| ·系统的架构设计 | 第47-49页 |
| ·系统的体系结构图 | 第47-49页 |
| ·系统的技术架构图 | 第49页 |
| ·系统的功能模块设计 | 第49-50页 |
| ·系统的核心类设计 | 第50-53页 |
| ·文本情感分析类设计 | 第50-51页 |
| ·词典类设计 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 特定内容的情感倾向性评价技术的系统实现 | 第54-66页 |
| ·系统开发与运行环境 | 第54页 |
| ·系统的运行界面 | 第54-55页 |
| ·系统词典的学习与建立 | 第55-56页 |
| ·句子分词分析 | 第56-60页 |
| ·句子分词分析模块 | 第56-57页 |
| ·句法分析 | 第57-58页 |
| ·主语转移的句法分析 | 第58-59页 |
| ·极端情感动词模型句法分析 | 第59页 |
| ·情感修饰短语句法分析 | 第59-60页 |
| ·文本分析 | 第60-65页 |
| ·文本分析模块 | 第60页 |
| ·单篇文本分析 | 第60-62页 |
| ·批量文本分析 | 第62-65页 |
| ·切换系统词典 | 第65页 |
| ·本章小结 | 第65-66页 |
| 6 系统移植性的测试 | 第66-71页 |
| ·系统语料 | 第66页 |
| ·系统词典的建立 | 第66-67页 |
| ·文本分析 | 第67-69页 |
| ·单篇分析 | 第67-68页 |
| ·批量分析 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 7 结论 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·下一步工作 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的论文 | 第77-78页 |
| 致谢 | 第78页 |
