| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·理论基础 | 第13页 |
| ·网络舆情分析系统 | 第13页 |
| ·文本倾向性分类系统 | 第13-14页 |
| ·面临的挑战 | 第14-15页 |
| ·本文的主要研究内容和组织结构 | 第15-17页 |
| ·本文的主要研究内容 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 第二章 相关研究 | 第17-26页 |
| ·自然语言处理技术相关研究 | 第17-18页 |
| ·词汇层 | 第17-18页 |
| ·句法层 | 第18页 |
| ·篇章层 | 第18页 |
| ·信息检索技术相关研究 | 第18-20页 |
| ·IR 的基本概念 | 第19页 |
| ·IR 的相关研究 | 第19-20页 |
| ·数据挖掘技术相关研究 | 第20-22页 |
| ·自动分类 | 第20-22页 |
| ·话题检测与追踪 | 第22页 |
| ·倾向性分类对象的特点分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 领域极性词典的构建方法研究与实践 | 第26-32页 |
| ·研究背景 | 第26页 |
| ·相关研究 | 第26-27页 |
| ·英文极性词典 | 第26-27页 |
| ·中文极性词典 | 第27页 |
| ·多义词对构建极性词典的影响 | 第27页 |
| ·领域极性词典的结构和构建步骤 | 第27-29页 |
| ·以知网为基础衍生的通用极性词库 | 第28-29页 |
| ·以领域语料库为基础挖掘的专业领域极性词库 | 第29页 |
| ·领域极性词典的构建及统计分析 | 第29-31页 |
| ·知网衍生极性词库挑选过程 | 第29-30页 |
| ·语料库挖掘极性词库挑选过程 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 文本倾向性分类器的设计与实现 | 第32-57页 |
| ·分类器的整体设计 | 第32-33页 |
| ·文本的形式化表示 | 第33-42页 |
| ·收集和整理语料 | 第35页 |
| ·分词 | 第35-36页 |
| ·特征选择 | 第36-41页 |
| ·特征项的权重计算 | 第41-42页 |
| ·SVM 的原理、实现和分类评价指标 | 第42-49页 |
| ·SVM 的原理及选择理由 | 第42-47页 |
| ·分类性能评价指标 | 第47-48页 |
| ·分类器的分类过程 | 第48-49页 |
| ·分类实验及结果分析 | 第49-56页 |
| ·分类实验条件 | 第49-52页 |
| ·实验结果和分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于UIMA 架构的文本倾向性分类器的整合开发 | 第57-65页 |
| ·UIMA 与文本倾向性分类的关系 | 第57-58页 |
| ·UIMA 简介 | 第58-62页 |
| ·非结构信息资源管理系统需求背景 | 第58-59页 |
| ·UIMA 原理介绍 | 第59-60页 |
| ·UIMA 工具集介绍 | 第60-62页 |
| ·文本倾向性分类器的开发和集成 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结束语 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者在学期间取得的学术成果 | 第70-71页 |
| 作者在学期间参加的科研工作 | 第71页 |