| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于规则的文本情感分类研究 | 第11页 |
| 1.2.2 基于机器学习的文本情感分类研究 | 第11-12页 |
| 1.2.3 基于深度学习的文本情感分类研究 | 第12-13页 |
| 1.3 研究目标与内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 微博文本情感分类基础 | 第16-28页 |
| 2.1 中文微博的特点 | 第16-17页 |
| 2.1.1 文本短 | 第16页 |
| 2.1.2 主题散乱 | 第16页 |
| 2.1.3 交互丰富 | 第16页 |
| 2.1.4 语言形式多样 | 第16-17页 |
| 2.1.5 噪声大 | 第17页 |
| 2.2 文本预处理 | 第17-19页 |
| 2.2.1 过滤特殊字符 | 第18页 |
| 2.2.2 分词 | 第18-19页 |
| 2.2.3 过滤停用词 | 第19页 |
| 2.3 文本表示模型 | 第19-21页 |
| 2.3.1 布尔模型(Boolean Model，BM) | 第19-20页 |
| 2.3.2 向量空间模型(Vector Space Model，VSM) | 第20页 |
| 2.3.3 概率模型(Probability Model，PM) | 第20页 |
| 2.3.4 语言模型(Language Model，LM) | 第20-21页 |
| 2.4 文本特征选择 | 第21-23页 |
| 2.4.1 文档频率法 | 第21页 |
| 2.4.2 信息增益法 | 第21-22页 |
| 2.4.3 卡方统计法 | 第22页 |
| 2.4.4 互信息法 | 第22-23页 |
| 2.5 权重计算 | 第23-24页 |
| 2.5.1 布尔权重 | 第23页 |
| 2.5.2 词频(TF) | 第23-24页 |
| 2.5.3 逆文档频率(IDF) | 第24页 |
| 2.5.4 TF-IDF | 第24页 |
| 2.6 分类模型 | 第24-27页 |
| 2.6.1 朴素贝叶斯模型(Naive Bayes，NB) | 第25页 |
| 2.6.2 最大熵模型(Maximum Entropy，ME) | 第25-26页 |
| 2.6.3 支持向量机模型(Support Vector Machine，SVM) | 第26页 |
| 2.6.4 神经网络模型(Neural Network，NN) | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章：微博文本的主客观分类研究 | 第28-34页 |
| 3.1 微博文本主客观分类的基本流程 | 第28-29页 |
| 3.2 基于大规模情感词典的主客观分类 | 第29-30页 |
| 3.2.1 构建情感词典 | 第29-30页 |
| 3.2.2 基于大规模情感词典的主客观分类方法 | 第30页 |
| 3.3 基于语料的主客观分类 | 第30-32页 |
| 3.3.1 基于bigram改进的文本表示模型——bigram-POS模型 | 第30-31页 |
| 3.3.2 基于语料的主客观分类方法 | 第31-32页 |
| 3.4 基于词典和语料相结合的主客观分类 | 第32-33页 |
| 3.4.1 构建可靠情感词典 | 第32-33页 |
| 3.4.2 基于词典和语料相结合的主客观分类方法 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章：微博文本的情感极性分类研究 | 第34-44页 |
| 4.1 微博文本情感极性分类的基本流程 | 第34页 |
| 4.2 特征构建 | 第34-37页 |
| 4.2.1 浅层学习特征构建 | 第34-35页 |
| 4.2.2 深层学习特征构建 | 第35-36页 |
| 4.2.3 基于浅层和深层学习的特征融合 | 第36-37页 |
| 4.3 基于改进递归神经网络的情感分类方法 | 第37-42页 |
| 4.3.1 递归神经网络模型(Recurrent Neural Networks，RNN) | 第37-40页 |
| 4.3.2 基于LSTM改进的递归神经网络模型 | 第40-42页 |
| 4.4 微博文本情感极性分类总体框架 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章：实验设计与结果分析 | 第44-55页 |
| 5.1 实验数据介绍 | 第44-47页 |
| 5.1.1 实验数据的来源 | 第44页 |
| 5.1.2 语料的预处理 | 第44-45页 |
| 5.1.3 主客观分类语料 | 第45页 |
| 5.1.4 情感极性分类语料 | 第45-47页 |
| 5.2 实验工具介绍 | 第47页 |
| 5.3 实验评测指标 | 第47-48页 |
| 5.3.1 准确率 | 第47页 |
| 5.3.2 召回率 | 第47-48页 |
| 5.3.3 F值 | 第48页 |
| 5.4 实验与分析 | 第48-53页 |
| 5.4.1 微博文本主客观分类的实验与分析 | 第48-50页 |
| 5.4.2 微博文本特征选择的实验与分析 | 第50-52页 |
| 5.4.3 微博文本情感极性分类的实验与分析 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章：总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
