中文微博的情感分析和应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状和评述 | 第10-15页 |
| 1.2.1 基于统计机器学习法 | 第12-13页 |
| 1.2.2 基于语义的方法 | 第13-15页 |
| 1.3 本文的研究内容 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 微博文本特征和情感分析相关概念与技术 | 第17-26页 |
| 2.1 微博的基本特征 | 第17-18页 |
| 2.2 情感元素的抽取方法 | 第18-19页 |
| 2.2.1 基于情感词典的判别方法 | 第18页 |
| 2.2.2 基于大规模语料库的统计方法 | 第18页 |
| 2.2.3 情感符号的情感抽取 | 第18-19页 |
| 2.3 《知网》简介 | 第19-20页 |
| 2.4 传统的分词方法 | 第20-22页 |
| 2.4.1 减字最大匹配算法 | 第21页 |
| 2.4.2 增字最大匹配算法 | 第21-22页 |
| 2.4.3 最大概率法分词 | 第22页 |
| 2.5 情感倾向性分析 | 第22-25页 |
| 2.5.1 面向单词的情感倾向性分析 | 第22-23页 |
| 2.5.2 面向单句的情感倾向性分析 | 第23-24页 |
| 2.5.3 面向全文的情感倾向性分析 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 微博文本的预处理和情感信息抽取 | 第26-35页 |
| 3.1 微博文本的预处理 | 第26-31页 |
| 3.1.1 文本分词中的歧义问题 | 第26-27页 |
| 3.1.2 改进的组合型分词方法 | 第27-30页 |
| 3.1.3 实验结果和分析 | 第30-31页 |
| 3.2 微博情感信息抽取 | 第31-34页 |
| 3.2.1 情感词的获取 | 第31-32页 |
| 3.2.2 表情符号的分析 | 第32页 |
| 3.2.3 程度副词的处理 | 第32-33页 |
| 3.2.4 否定词的处理 | 第33页 |
| 3.2.5 标点符号的分析 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于 MMTD 的情感倾向性分析方法 | 第35-48页 |
| 4.1 情感倾向性的定义 | 第35-36页 |
| 4.2 情感倾向计算 | 第36-38页 |
| 4.2.1 相关计算公式 | 第36-37页 |
| 4.2.2 情感计算 | 第37-38页 |
| 4.3 MMTD | 第38-40页 |
| 4.4 网络反语 | 第40-41页 |
| 4.5 MMTD 在微博情感分析中的运用 | 第41-43页 |
| 4.6 实验结果和相关分析 | 第43-47页 |
| 4.6.1 实验准备和数据采集 | 第43-44页 |
| 4.6.2 实验结果 | 第44-45页 |
| 4.6.3 结果分析 | 第45-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文总结 | 第48页 |
| 5.2 下一步的研究工作 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第53-54页 |
| 附录2 攻读硕士学位期间申请的专利 | 第54-55页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 致谢 | 第56页 |
