| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及研究意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文所做的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 情感分析相关理论与技术概述 | 第20-35页 |
| 2.1 文本表示技术 | 第20-22页 |
| 2.1.1 文本预处理 | 第20-21页 |
| 2.1.2 文本表示方法 | 第21-22页 |
| 2.2 情感词典构建技术 | 第22-25页 |
| 2.2.1 基于连接词的扩展方法 | 第23页 |
| 2.2.2 基于语义关联度的扩展方法 | 第23-25页 |
| 2.2.3 基于词典的扩展方法 | 第25页 |
| 2.3 情感极性分类技术 | 第25-29页 |
| 2.3.1 基于情感词典和规则的方法 | 第26-28页 |
| 2.3.2 基于有监督的机器学习方法 | 第28-29页 |
| 2.3.3 基于浅层语义分析方法 | 第29页 |
| 2.4 句法分析 | 第29-31页 |
| 2.4.1 依存句法分析模型 | 第30-31页 |
| 2.4.2 依存句法分析器 | 第31页 |
| 2.5 聚类算法 | 第31-34页 |
| 2.5.1 基于划分的方法(Partitioning Method) | 第31-32页 |
| 2.5.2 基于层次的方法(Hierarchical Method) | 第32-33页 |
| 2.5.3 基于密度的方法(Density Based Method) | 第33-34页 |
| 2.5.4 Single-Pass聚类 | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 情感词典的扩建方法研究 | 第35-46页 |
| 3.1 基础情感词典构建 | 第35-36页 |
| 3.2 基于Word2Vec的情感词典扩建方法 | 第36-42页 |
| 3.2.1 Word2Vec基本原理 | 第36-39页 |
| 3.2.2 基于Word2Vec的词典扩建技术 | 第39-41页 |
| 3.2.3 扩建方法评价 | 第41-42页 |
| 3.3 程度词典构建 | 第42-43页 |
| 3.4 关系词词典构建 | 第43-44页 |
| 3.5 标点符号词典构建 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于RPFLO模型的文本表示方法研究 | 第46-60页 |
| 4.1 RPFLO模型构建意义 | 第46页 |
| 4.1.1 新闻类长文本的特点 | 第46页 |
| 4.1.2 现有文本建模方式的不足 | 第46页 |
| 4.2 RPFLO模型定义 | 第46-47页 |
| 4.3 RPFLO建模过程 | 第47-52页 |
| 4.3.1 中文分词 | 第48-49页 |
| 4.3.2 整句切分 | 第49页 |
| 4.3.3 抽取关系词(Relation) | 第49-50页 |
| 4.3.4 抽取标点符号序列(Punction) | 第50页 |
| 4.3.5 抽取特征属性三元组列表 | 第50-52页 |
| 4.4 基于RPFLO模型的事件主体抽取方法研究 | 第52-59页 |
| 4.4.1 思路概述 | 第52-53页 |
| 4.4.2 特征对象相似度计算 | 第53-57页 |
| 4.4.3 基于改进的K-Means聚类的事件主体抽取方法 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 话题聚类算法的关键技术研究 | 第60-67页 |
| 5.1 不同聚类算法的比较 | 第60-61页 |
| 5.2 Cure聚类算法 | 第61-63页 |
| 5.2.1 公交舆情文本的特点 | 第61-62页 |
| 5.2.2 Cure算法的特点 | 第62-63页 |
| 5.3 基于改进的Cure算法的话题聚类算法 | 第63-66页 |
| 5.3.1 离群点预处理 | 第64页 |
| 5.3.2 引入不可达类实现聚类自动终止 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 面向公交舆情的分析实验系统 | 第67-84页 |
| 6.1 实验背景 | 第67页 |
| 6.2 实验语料获取 | 第67页 |
| 6.3 公交舆情情感分析子系统 | 第67-76页 |
| 6.3.1 新闻文本分词模块 | 第68页 |
| 6.3.2 整句切分模块 | 第68-69页 |
| 6.3.3 新闻文本表示模块 | 第69-70页 |
| 6.3.4 情感分类模块 | 第70-73页 |
| 6.3.5 事件主体抽取 | 第73-74页 |
| 6.3.6 情感分析系统评价 | 第74-76页 |
| 6.4 公交舆情话题聚类子系统 | 第76-83页 |
| 6.4.1 舆情信息预处理模块 | 第76-77页 |
| 6.4.2 文本表示模块 | 第77-80页 |
| 6.4.3 相似舆情聚类模块 | 第80-81页 |
| 6.4.4 话题聚类子系统评价 | 第81-83页 |
| 6.5 本章小结 | 第83-84页 |
| 第7章 总结与展望 | 第84-86页 |
| 7.1 总结 | 第84-85页 |
| 7.2 展望 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 致谢 | 第89页 |
