基于微博平台的中文情感分析技术的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题介绍 | 第9页 |
| 1.2 课题研究背景与意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 相关技术介绍 | 第13-22页 |
| 2.1 自然语言处理介绍 | 第13页 |
| 2.2 情感分析介绍 | 第13页 |
| 2.3 文本预处理 | 第13-15页 |
| 2.3.1 增字最大匹配算法 | 第14页 |
| 2.3.2 减字最大匹配算法 | 第14页 |
| 2.3.3 最大概率分词法 | 第14页 |
| 2.3.4 停用词处理 | 第14-15页 |
| 2.4 情感词典 | 第15页 |
| 2.5 情感极性分类方法 | 第15-21页 |
| 2.5.1 基于情感词典的分类方法 | 第16页 |
| 2.5.2 基于机器学习的分类方法 | 第16-19页 |
| 2.5.3 基于语义分析的分类方法 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第3章 情感词典的构建与扩充 | 第22-32页 |
| 3.1 文本自动分词 | 第22页 |
| 3.2 微博情感词典的构建 | 第22-26页 |
| 3.2.1 基础情感词典构建 | 第23-24页 |
| 3.2.2 表情符号词典 | 第24-25页 |
| 3.2.3 程度副词词典 | 第25页 |
| 3.2.4 否定词词典 | 第25-26页 |
| 3.2.5 连词词典 | 第26页 |
| 3.3 情感词典扩充 | 第26-31页 |
| 3.3.1 微博语料获取 | 第27页 |
| 3.3.2 情感词典扩充方法 | 第27-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 中文微博情感分析方法 | 第32-44页 |
| 4.1 基于情感词典的分析方法 | 第32-33页 |
| 4.2 基于机器学习的分析方法 | 第33-35页 |
| 4.3 改进的综合分类方法 | 第35-43页 |
| 4.3.1 文本句法依存分析 | 第37-38页 |
| 4.3.2 向量空间建立 | 第38-41页 |
| 4.3.3 情感极性分类 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-49页 |
| 5.1 评价指标 | 第44-45页 |
| 5.2 实验数据 | 第45页 |
| 5.3 实验环境 | 第45页 |
| 5.4 实验对比与结果分析 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
