首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

微博情感词典的构建及其在微博情感分析中的应用研究

摘要第4-5页
Abstract第5-6页
目录第7-10页
图表目录第10-11页
1 引言第11-16页
    1.1 研究背景及意义第11-12页
    1.2 微博的发展状况第12-14页
    1.3 本文研究工作第14页
    1.4 论文组织框架第14-16页
2 情感分析相关研究第16-26页
    2.1 相关术语第17-18页
    2.2 相关研究工作第18-19页
    2.3 特征提取第19-20页
    2.4 情感分类方法第20-25页
        2.4.1 基于词典和规则相结合的方法第20-21页
        2.4.2 基于统计的方法第21-25页
            2.4.2.1 k-近邻方法第21-22页
            2.4.2.2 条件随机场模型第22-23页
            2.4.2.3 最大熵模型第23页
            2.4.2.4 支持向量机模型第23-25页
    2.5 本章小结第25-26页
3 微博情感词典及相关资源的构建第26-42页
    3.1 相关词典的构建第26-34页
        3.1.1 基础情感词典第27页
        3.1.2 表情符号情感词典第27-28页
        3.1.3 网络用词情感词典第28-29页
        3.1.4 程度副词词典第29-31页
        3.1.5 否定词词典第31-32页
        3.1.6 连词词典第32-34页
    3.2 基于句法结构模版的情感词典的扩展第34-39页
        3.2.1 构建句法结构模版第34-37页
        3.2.2 抽取候选情感词第37-38页
        3.2.3 情感词极性的判断第38-39页
    3.3 情感词的扩展第39-40页
    3.4 多义性情感词和隐含性情感句规则构建第40-41页
    3.5 本章小结第41-42页
4 微博情感词典在微博情感分析中的应用研究第42-52页
    4.1 微博的特点第42页
    4.2 实验语料第42-43页
    4.3 评价指标第43-45页
    4.4 基于微博情感词典和规则的方法第45-46页
    4.5 基于统计模型的方法第46-49页
        4.5.1 基于 ME 模型的分类第48页
        4.5.2 基于 SVM 模型的分类第48-49页
    4.6 实验结果及分析第49-50页
    4.7 本章小结第50-52页
5 总结与展望第52-54页
    5.1 总结第52-53页
    5.2 展望第53-54页
参考文献第54-57页
个人简历、在校期间发表的学术论文及研究成果第57-58页
    个人简历第57页
    在校期间发表的学术论文第57页
    研究成果第57-58页
致谢第58页

论文共58页,点击 下载论文
上一篇:基于STM32的智能家居控制系统设计
下一篇:微博热点话题抽取及其情感分类