基于情感关键句的新闻文本情感分类研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 第二章 文本情感倾向性分析理论基础 | 第15-26页 |
| 2.1 文本情感分类的过程 | 第15-16页 |
| 2.2 文本预处理 | 第16-17页 |
| 2.2.1 文本分词 | 第16-17页 |
| 2.2.2 去除停用词 | 第17页 |
| 2.3 文本表示 | 第17-22页 |
| 2.3.1 向量空间模型 | 第18-19页 |
| 2.3.2 布尔模型 | 第19页 |
| 2.3.3 概率模型 | 第19页 |
| 2.3.4 图模型 | 第19-22页 |
| 2.4 特征选择和抽取 | 第22-23页 |
| 2.5 常用文本情感倾向性分析模型 | 第23-25页 |
| 2.5.1 最大熵模型 | 第23页 |
| 2.5.2 朴素贝叶斯模型 | 第23-24页 |
| 2.5.3 K-最邻近算法 | 第24页 |
| 2.5.4 支持向量机 | 第24页 |
| 2.5.5 人工神经网络 | 第24-25页 |
| 2.6 情感倾向性分析评判标准 | 第25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 情感关键句研究与抽取 | 第26-36页 |
| 3.1 情感关键句抽取研究 | 第26-27页 |
| 3.2 情感关键句的抽取 | 第27-32页 |
| 3.2.1 语句情感倾向性 | 第28-29页 |
| 3.2.2 语句的位置特征 | 第29-30页 |
| 3.2.3 关键词特征 | 第30-31页 |
| 3.2.4 文章标题对情感分类的作用 | 第31-32页 |
| 3.3 实验 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于情感关键句的篇章情感倾向性分析 | 第36-46页 |
| 4.1 本文系统实现概述 | 第36-37页 |
| 4.2 基于情感关键句的人工神经网络模型 | 第37-42页 |
| 4.2.1 神经网络基本模型及分类 | 第37-39页 |
| 4.2.2 神经网络的训练过程 | 第39-41页 |
| 4.2.3 基于人工神经网络的篇章情感倾向性分析 | 第41-42页 |
| 4.3 基于情感关键句的支持向量机模型 | 第42-45页 |
| 4.3.1 支持向量机数学模型 | 第42-44页 |
| 4.3.2 基于情感关键句的支持向量机模型 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验与结果分析 | 第46-50页 |
| 5.1 引言 | 第46页 |
| 5.2 人工神经网络模型实验 | 第46-47页 |
| 5.3 支持向量机模型实验 | 第47-48页 |
| 5.4 情感关键句对情感倾向性分析的影响 | 第48-49页 |
| 5.5 人工神经网络与支持向量机性能对比 | 第49页 |
| 5.6 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 本文工作总结 | 第50-51页 |
| 6.2 未来研究工作展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者攻读学位期间发表的学术论文目录 | 第56页 |
