基于语义分析的中文微博情感分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 主要研究内容及创新点 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12页 |
| 1.3.2 论文创新点 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 微博情感分析相关技术综述 | 第14-25页 |
| 2.1 微博情感倾向性分析的基本概念 | 第14-15页 |
| 2.2 国内外微博情感分析方法介绍 | 第15-20页 |
| 2.2.1 国外微博情感分析技术 | 第15-17页 |
| 2.2.2 国内微博情感分析技术 | 第17-20页 |
| 2.3 相关分类方法 | 第20-23页 |
| 2.3.1 基于情感词典的微博情感分析 | 第20页 |
| 2.3.2 朴素贝叶斯分类方法 | 第20-22页 |
| 2.3.3 SVM 分类方法 | 第22-23页 |
| 2.4 评价指标 | 第23页 |
| 2.5 小结 | 第23-25页 |
| 第3章 情感词典构建方法研究 | 第25-36页 |
| 3.1 研究问题及研究思路 | 第25-26页 |
| 3.2 中文基础情感词典构建研究 | 第26-33页 |
| 3.2.1 构建方法概况 | 第26-27页 |
| 3.2.2 SCSL 构建方法 | 第27-30页 |
| 3.2.3 SCSL 结构分析 | 第30页 |
| 3.2.4 实验方法介绍 | 第30-32页 |
| 3.2.5 实验结果分析 | 第32-33页 |
| 3.3 网络用语情感词典构建研究 | 第33-34页 |
| 3.3.1 网络用语抽取 | 第33-34页 |
| 3.3.2 网络用语筛选 | 第34页 |
| 3.3.3 网络用语情感倾向计算 | 第34页 |
| 3.4 表情符号情感词典构建研究 | 第34-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 基于语义分析的中文微博情感分类方法 | 第36-44页 |
| 4.1 提出的中文微博情感分析方法概述 | 第36-37页 |
| 4.2 依存句法分析 | 第37-38页 |
| 4.3 句法关系模式计算规则 | 第38-40页 |
| 4.4 情感表达式树构建算法 | 第40-41页 |
| 4.5 情感强度值计算 | 第41页 |
| 4.6 实验及结果分析 | 第41-43页 |
| 4.6.1 数据准备 | 第41-42页 |
| 4.6.2 实验结果及分析 | 第42页 |
| 4.6.3 使用表情符号和网络用语的实验分析 | 第42-43页 |
| 4.7 小结 | 第43-44页 |
| 第5章 微博情感分析实验系统设计与实现 | 第44-59页 |
| 5.1 实验系统基本架构 | 第44页 |
| 5.2 系统设计 | 第44-50页 |
| 5.2.1 数据库设计 | 第44-46页 |
| 5.2.2 数据采集管理子系统功能设计 | 第46-49页 |
| 5.2.3 情感词典构建子系统功能设计 | 第49页 |
| 5.2.4 微博情感倾向分析子系统功能设计 | 第49-50页 |
| 5.2.5 文本情感分析可视化子系统设计 | 第50页 |
| 5.3 系统实现 | 第50-58页 |
| 5.3.1 数据采集管理子系统 | 第51-53页 |
| 5.3.2 中文基础情感词典构建子系统 | 第53-55页 |
| 5.3.3 文本情感倾向分析子系统 | 第55-57页 |
| 5.3.4 文本情感分析可视化子系统 | 第57-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 未来的研究与展望 | 第60-61页 |
| 参考文献 | 第61-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间主要的研究成果 | 第71页 |
