| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 选题背景与研究意义 | 第8-9页 |
| 1.1.1 选题背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究工作 | 第10-11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第2章 文本情感分类相关理论和技术 | 第13-24页 |
| 2.1 文本情感分类流程 | 第13-14页 |
| 2.1.1 基于语义理解方法的分类流程 | 第13页 |
| 2.1.2 基于机器学习方法的分类流程 | 第13-14页 |
| 2.2 知网 | 第14-17页 |
| 2.2.1 知网的结构 | 第14-15页 |
| 2.2.2 知网的知识描述语言 | 第15页 |
| 2.2.3 知网语义相似度计算 | 第15-16页 |
| 2.2.4 知网语义相似度计算情感词权重 | 第16-17页 |
| 2.3 文本预处理 | 第17-19页 |
| 2.3.1 文本采集 | 第17页 |
| 2.3.2 文本分词 | 第17页 |
| 2.3.3 特征选择 | 第17-18页 |
| 2.3.4 文本表示 | 第18-19页 |
| 2.3.5 特征权重计算 | 第19页 |
| 2.4 支持向量机 | 第19-22页 |
| 2.4.1 支持向量机理论 | 第19-21页 |
| 2.4.2 核函数 | 第21-22页 |
| 2.4.3 SVM 分类的优势 | 第22页 |
| 2.5 分类评估标准 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 优化的语义理解文本情感分类方法研究 | 第24-35页 |
| 3.1 优化的语义理解文本情感分类流程 | 第24-25页 |
| 3.2 多词典融合模块的构建 | 第25-30页 |
| 3.2.1 情感词典的构建 | 第25-29页 |
| 3.2.2 程度副词词典的构建 | 第29页 |
| 3.2.3 否定词典的构建 | 第29页 |
| 3.2.4 连词词典的构建 | 第29-30页 |
| 3.3 情感计算模块的构建 | 第30-32页 |
| 3.3.1 情感句提取规则 | 第30-31页 |
| 3.3.2 文本情感倾向判断算法 | 第31-32页 |
| 3.3.3 算法验证 | 第32页 |
| 3.4 实验分析 | 第32-34页 |
| 3.4.1 实验数据集的准备 | 第32-33页 |
| 3.4.2 实验结果与分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 SVM 文本情感分类方法研究 | 第35-45页 |
| 4.1 SVM 文本情感分类流程 | 第35-36页 |
| 4.2 改进的信息增益特征选择方法 | 第36-38页 |
| 4.2.1 文本分词和去停用词 | 第36页 |
| 4.2.2 传统信息增益方法的不足 | 第36页 |
| 4.2.3 词频与情感程度融合的信息增益方法 | 第36-37页 |
| 4.2.4 改进的特征选择算法描述 | 第37-38页 |
| 4.3 文本表示 | 第38-39页 |
| 4.3.1 文本表示形式 | 第38页 |
| 4.3.2 文本表示过程 | 第38-39页 |
| 4.3.3 文本表示归一化 | 第39页 |
| 4.4 实验分析 | 第39-43页 |
| 4.4.1 实验数据集的准备 | 第39页 |
| 4.4.2 参数的选择 | 第39-40页 |
| 4.4.3 实验结果与分析 | 第40-43页 |
| 4.5 两种情感分类方法的对比与总结 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 优化的语义理解和 SVM 相结合的文本情感分类方法研究与设计 | 第45-54页 |
| 5.1 开发环境介绍 | 第45页 |
| 5.2 模型设计 | 第45-49页 |
| 5.2.1 模型概要设计 | 第45-47页 |
| 5.2.2 模型主要类设计 | 第47-49页 |
| 5.3 实验分析 | 第49-53页 |
| 5.3.1 实验数据集的准备 | 第49页 |
| 5.3.2 实验结果与分析 | 第49-53页 |
| 5.3.3 实验总结 | 第53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 全文总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |