基于依存句法的句子级细粒度情感计算
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 情感词典构建 | 第13-14页 |
| 1.2.2 短语结构及句型对句子情感极性的影响 | 第14-15页 |
| 1.2.3 句子级情感分析研究现状 | 第15-16页 |
| 1.2.4 微博情感分析 | 第16-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 1.3.1 情感词典的构建 | 第17页 |
| 1.3.2 微博文本的句法分析 | 第17页 |
| 1.3.3 细粒度情感计算 | 第17-18页 |
| 1.4 论文的组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关理论与技术 | 第19-28页 |
| 2.1 微博特点介绍 | 第19-20页 |
| 2.2 文本预处理技术 | 第20-23页 |
| 2.2.1 汉语分词技术 | 第20-22页 |
| 2.2.2 词性标注技术 | 第22-23页 |
| 2.3 句法分析 | 第23-27页 |
| 2.3.1 短语结构语法 | 第23-24页 |
| 2.3.2 依存句法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 情感词典的构建 | 第28-39页 |
| 3.1 概述 | 第28页 |
| 3.2 基础情感词典构建 | 第28-31页 |
| 3.2.1 动词及动名词类 | 第30页 |
| 3.2.2 名词类 | 第30页 |
| 3.2.3 形容词副词类 | 第30页 |
| 3.2.4 同义词类 | 第30-31页 |
| 3.3 修饰情感词典构建 | 第31-34页 |
| 3.3.1 程度副词词典 | 第31-32页 |
| 3.3.2 否定副词词典 | 第32-33页 |
| 3.3.3 动态词词典 | 第33页 |
| 3.3.4 反转词典 | 第33-34页 |
| 3.4 微博表情词典 | 第34-35页 |
| 3.5 基于同义词林的词语情感PMI算法 | 第35-38页 |
| 3.5.1 基于同义词林的情感词扩展 | 第36页 |
| 3.5.2 生成基准词 | 第36-37页 |
| 3.5.3 算法流程及描述 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于依存句法的细粒度情感计算 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 依存句法分析 | 第39-42页 |
| 4.3 影响句子情感倾向的依存关系分析 | 第42-44页 |
| 4.4 情感短语的抽取 | 第44-53页 |
| 4.4.1 句子中词语依存关系 | 第44-45页 |
| 4.4.2 情感短语的抽取 | 第45-53页 |
| 4.5 细粒度情感计算 | 第53-56页 |
| 4.5.1 情感短语的计算 | 第54-55页 |
| 4.5.2 句型对情感值的影响 | 第55页 |
| 4.5.3 微博句子级情感计算 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章实验结果及分析 | 第57-63页 |
| 5.1 实验数据 | 第57页 |
| 5.2 评测方法及指标 | 第57-59页 |
| 5.2.1 准确率及召回率 | 第57-58页 |
| 5.2.2 F值 | 第58-59页 |
| 5.3 实验设计及分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 面向微博文本的细粒度情感计算原型系统 | 第63-71页 |
| 6.1 前言 | 第63页 |
| 6.2 系统架构 | 第63-64页 |
| 6.3 系统主要功能模块 | 第64-68页 |
| 6.3.1 文本预处理模块 | 第64-66页 |
| 6.3.2 情感短语抽取模块 | 第66页 |
| 6.3.3 情感计算模块 | 第66-67页 |
| 6.3.4 界面展示模块 | 第67-68页 |
| 6.4 系统实现 | 第68-70页 |
| 6.5 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
