情感分析的特征提取算法与观点的聚类算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 词语级情感分析 | 第13-14页 |
| 1.2.2 句子级情感分析 | 第14页 |
| 1.2.3 单文档级情感分析 | 第14页 |
| 1.2.4 多文档级情感分析与观点挖掘 | 第14-18页 |
| 1.3 本文的研究内容 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-21页 |
| 第二章 情感分析概述 | 第21-37页 |
| 2.1 文本预处理 | 第21-22页 |
| 2.1.1 语料库格式标记去除 | 第21页 |
| 2.1.2 去除停用词和词干化 | 第21页 |
| 2.1.3 中文分词和词性标注 | 第21-22页 |
| 2.2 文本的特征 | 第22-23页 |
| 2.2.1 词语 | 第22页 |
| 2.2.2 N-gram项 | 第22-23页 |
| 2.2.3 短语 | 第23页 |
| 2.2.4 概念 | 第23页 |
| 2.2.5 词性 | 第23页 |
| 2.3 文本的表示模型 | 第23-26页 |
| 2.3.1 向量空间模型(VSM) | 第23-24页 |
| 2.3.2 统计语言模型 | 第24-25页 |
| 2.3.3 N-gram模型 | 第25页 |
| 2.3.4 N-pos模型 | 第25-26页 |
| 2.4 文本的特征选择 | 第26-28页 |
| 2.4.1 文档频率特征 | 第26-27页 |
| 2.4.2 信息增益特征 | 第27页 |
| 2.4.3 互信息特征 | 第27页 |
| 2.4.4 x~2统计量特征 | 第27-28页 |
| 2.4.5 期望交叉熵特征 | 第28页 |
| 2.5 文本特征项权重计算 | 第28-30页 |
| 2.5.1 布尔权重 | 第28-29页 |
| 2.5.2 词频权重 | 第29页 |
| 2.5.3 TF-IDF权重 | 第29页 |
| 2.5.4 TFC权重 | 第29-30页 |
| 2.5.5 LTC权重 | 第30页 |
| 2.6 文本分类算法 | 第30-33页 |
| 2.6.1 kNN算法 | 第30-31页 |
| 2.6.2 朴素贝叶斯分类算法 | 第31-33页 |
| 2.6.3 支持向量机分类算法 | 第33页 |
| 2.7 文本聚类算法 | 第33-34页 |
| 2.7.1 聚类的定义 | 第33-34页 |
| 2.7.2 聚类算法 | 第34页 |
| 2.8 性能评价指标 | 第34-36页 |
| 2.8.1 查全率与查准率 | 第34-35页 |
| 2.8.2 BEP与F-Measure | 第35页 |
| 2.8.3 微平均与宏平均 | 第35-36页 |
| 2.9 本章小结 | 第36-37页 |
| 第三章 基于情感词的情感分类特征选择算法研究 | 第37-53页 |
| 3.1 问题提出 | 第37页 |
| 3.2 情感分类的预处理流程 | 第37-38页 |
| 3.3 情感分类语料库 | 第38-39页 |
| 3.4 基于情感词词性的情感特征选择算法 | 第39-41页 |
| 3.4.1 初始词语特征集提取 | 第39页 |
| 3.4.2 信息增益及其改进 | 第39-40页 |
| 3.4.3 x~2统计量 | 第40-41页 |
| 3.4.4 算法描述 | 第41页 |
| 3.5 基于N-Pos模型的情感特征选择算法 | 第41-45页 |
| 3.5.1 N-pos模型的情感倾向的统计分析 | 第41-42页 |
| 3.5.2 2-pos客观表达统计分析 | 第42-43页 |
| 3.5.3 2-pos情感倾向统计分析 | 第43页 |
| 3.5.4 3-pos情感倾向统计分析 | 第43-44页 |
| 3.5.5 算法描述 | 第44-45页 |
| 3.6 实验与分析 | 第45-50页 |
| 3.6.1 基于词性的情感分类的对比实验 | 第45-49页 |
| 3.6.2 基于N-pos的情感分类的对比实验 | 第49-50页 |
| 3.7 小结 | 第50-53页 |
| 第四章 基于PLSA聚类的观点聚类算法研究 | 第53-61页 |
| 4.1 问题提出 | 第53页 |
| 4.2 PLSA聚类算法基础 | 第53-55页 |
| 4.3 PLSA概率潜在语义分析 | 第55-57页 |
| 4.4 PLSA聚类算法步骤 | 第57-58页 |
| 4.4.1 数据预处理 | 第57页 |
| 4.4.2 聚类分析 | 第57-58页 |
| 4.5 基于PLSA聚类的观点句聚类算法 | 第58页 |
| 4.6 实验与分析 | 第58-60页 |
| 4.6.1 实验语料 | 第58-59页 |
| 4.6.2 实验结果与分析 | 第59-60页 |
| 4.7 小结 | 第60-61页 |
| 第五章 原型系统 | 第61-69页 |
| 5.1 系统总体概述 | 第61-63页 |
| 5.2 系统具体实现 | 第63-67页 |
| 5.2.1 分类模块实现 | 第64-65页 |
| 5.2.2 聚类模块实现 | 第65-67页 |
| 5.3 小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文研究总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录A：攻读硕士学位期间发表的论文 | 第77页 |
