| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题背景、研究目的及意义 | 第10-11页 |
| 1.3 国内外相关技术发展现状 | 第11-18页 |
| 1.3.1 情绪语料库构建研究现状 | 第11-13页 |
| 1.3.2 文本情绪分析研究现状 | 第13-17页 |
| 1.3.3 社会媒体情绪分析研究现状 | 第17-18页 |
| 1.4 本文的主要研究内容和组织结构 | 第18-20页 |
| 第2章 面向微博文本的情绪标注语料库构建 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 微博情绪语料库标注规范设计 | 第20-22页 |
| 2.2.1 原始语料选择 | 第20页 |
| 2.2.2 标注粒度 | 第20-21页 |
| 2.2.3 情绪分类体系 | 第21页 |
| 2.2.4 多标签标注 | 第21-22页 |
| 2.2.5 情绪强度标注 | 第22页 |
| 2.3 情绪语料库构建 | 第22-25页 |
| 2.3.1 微博文本预处理 | 第22-23页 |
| 2.3.2 标注规则 | 第23-25页 |
| 2.3.3 标注一致性控制 | 第25页 |
| 2.3.4 完整标注示例 | 第25页 |
| 2.4 语料库标注结果分析 | 第25-30页 |
| 2.4.1 情绪占比统计 | 第26-27页 |
| 2.4.2 情绪伴随统计 | 第27-28页 |
| 2.4.3 情绪转移统计 | 第28-29页 |
| 2.4.4 情绪强度统计 | 第29页 |
| 2.4.5 标注一致性分析 | 第29-30页 |
| 2.5 语料库在情绪分析评测中的应用 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 结合上下文和篇章特征的多标签情绪分类 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 结合上下文和篇章特征的多标签情绪分类 | 第34-38页 |
| 3.2.1 基于MLk NN和句内词特征的基分类器 | 第35-36页 |
| 3.2.2 结合上下文特征的多标签情绪分类算法 | 第36页 |
| 3.2.3 结合篇章特征的多标签情绪分类算法 | 第36-38页 |
| 3.3 实验及分析 | 第38-43页 |
| 3.3.1 实验设置 | 第38-40页 |
| 3.3.2 实验结果与分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于多分类器集成的微博情绪分类 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 结合GBDT和SVM的有无情绪分类 | 第44-50页 |
| 4.2.1 GBDT分类策略 | 第44-46页 |
| 4.2.2 SVM分类策略 | 第46-47页 |
| 4.2.3 结合GBDT和SVM的集成策略 | 第47-50页 |
| 4.3 基于多分类器集成的情绪分类 | 第50-52页 |
| 4.4 实验及分析 | 第52-59页 |
| 4.4.1 实验设置 | 第52页 |
| 4.4.2 有无情绪分类实验结果分析 | 第52-56页 |
| 4.4.3 情绪类别判别实验结果分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 微博热点话题情绪监控系统实现 | 第60-66页 |
| 5.1 引言 | 第60页 |
| 5.2 微博热点话题数据获取 | 第60-61页 |
| 5.3 微博热点话题情绪监控系统集成 | 第61-63页 |
| 5.3.1 后台实现 | 第62-63页 |
| 5.3.2 前台实现 | 第63页 |
| 5.4 微博热点话题情绪监控系统展示 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |