| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究的背景和意义 | 第9-10页 |
| ·情感分析的基本概念 | 第10页 |
| ·情感分析的国内外研究现状 | 第10-13页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·本文的工作和创新点 | 第13-14页 |
| ·本文的研究内容及组织结构 | 第14-15页 |
| 第2章 文本的预处理及相关技术 | 第15-22页 |
| ·Twitter 的基本概念 | 第15-16页 |
| ·微博情感分类的流程 | 第16-18页 |
| ·文本的预处理 | 第18-20页 |
| ·文本的表示模型 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 文本的特征选择方法 | 第22-31页 |
| ·特征选择的基本概念和分类 | 第22-23页 |
| ·特征选择方法 | 第23-29页 |
| ·文本频数(DF) | 第23-24页 |
| ·信息增益(IG) | 第24-25页 |
| ·卡方检验(CHI-Square) | 第25-27页 |
| ·互信息(MI) | 第27-29页 |
| ·特征权重 | 第29-30页 |
| ·布尔函数(BOOL) | 第29-30页 |
| ·词频函数(TF) | 第30页 |
| ·TFIDF 函数 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第4章 文本的情感分类算法 | 第31-46页 |
| ·文本情感分类的基本概念 | 第31-32页 |
| ·机器学习的基本概念 | 第32-35页 |
| ·机器学习的过程 | 第32页 |
| ·文本分类评定标准 | 第32-34页 |
| ·监督学习的分类方法 | 第34-35页 |
| ·朴素贝叶斯分类器 | 第35-40页 |
| ·朴素贝叶斯分类方法概述 | 第35-38页 |
| ·基于特征权值构建朴素贝叶斯分类器 | 第38-40页 |
| ·决策树分类 | 第40-45页 |
| ·决策树分类方法概述 | 第40-43页 |
| ·基于特征权值构造决策树分类器 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验结果与分析 | 第46-56页 |
| ·实验数据与流程 | 第46-47页 |
| ·特征选择的实验结果与分析 | 第47-48页 |
| ·特征选择、特征权重、分类算法的交叉实验结果与分析 | 第48-54页 |
| ·基于不同特征选择方法的实验结果分析 | 第48-49页 |
| ·基于不同特征权重表示的性能比较 | 第49-53页 |
| ·基于不同分类算法的实验结果分析 | 第53-54页 |
| ·最佳组合与其他组合方法的比较分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结及展望 | 第56-58页 |
| ·本论文工作总结 | 第56-57页 |
| ·研究工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |