| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 引言 | 第8页 |
| 1.2 研究背景及意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 2 中文微博观点句识别相关理论和技术 | 第14-23页 |
| 2.1 微博的特点 | 第14-16页 |
| 2.2 情感分析介绍 | 第16-18页 |
| 2.2.1 主客观分类 | 第16-17页 |
| 2.2.2 情感极性分类 | 第17页 |
| 2.2.3 情感分析研究层次 | 第17-18页 |
| 2.3 特征选择技术 | 第18-20页 |
| 2.3.1 词频-逆文档频率 | 第18-19页 |
| 2.3.2 信息增益 | 第19页 |
| 2.3.3 互信息 | 第19-20页 |
| 2.3.4 卡方检验 | 第20页 |
| 2.4 观点句识别主要方法 | 第20-22页 |
| 2.4.1 基于规则和情感词典的方法 | 第20-21页 |
| 2.4.2 基于SVM的方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于微博的中文观点句特征和规则的提取 | 第23-34页 |
| 3.1 观点句判定标准 | 第23-24页 |
| 3.2 特征提取 | 第24-31页 |
| 3.2.1 词汇特征 | 第24-26页 |
| 3.2.2 多元词性特征 | 第26-27页 |
| 3.2.3 网络流行词或短语 | 第27页 |
| 3.2.4 话题的主题词特征 | 第27-28页 |
| 3.2.5 其他微博特征 | 第28-31页 |
| 3.3 过滤规则 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于AdaBoost的观点句识别 | 第34-43页 |
| 4.1 AdaBoost介绍 | 第34-36页 |
| 4.1.1 AdaBoost的特点 | 第34-35页 |
| 4.1.2 Discrete AdaBoost的算法流程 | 第35-36页 |
| 4.2 AdaBoost权重更新改进 | 第36-37页 |
| 4.3 CART算法 | 第37-39页 |
| 4.4 改进的CART-ADB算法 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 实验与分析 | 第43-55页 |
| 5.1 实验语料 | 第43-47页 |
| 5.2 实验环境 | 第47-48页 |
| 5.3 评价标准 | 第48页 |
| 5.4 实验结果分析 | 第48-54页 |
| 5.4.1 实验一句法模板匹配实验结果（Syntactic Template） | 第48-49页 |
| 5.4.2 实验二Discrete AdaBoost实验结果 | 第49-52页 |
| 5.4.3 实验三改进的ST-CART-ADB实验结果 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士期间发表的论文及科研成果 | 第59-60页 |
| 致谢 | 第60-61页 |
