中文微博情感分类的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 引言 | 第11-18页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·文本情感分析研究现状 | 第12-15页 |
| ·微博情感分析研究现状 | 第15-16页 |
| ·本文研究工作 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 中文微博介绍和中文微博特点研究 | 第18-25页 |
| ·微博定义和发展 | 第18-19页 |
| ·中文微博的特点 | 第19-21页 |
| ·中文微博情感分析研究难点 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 中文微博的主观句抽取方法 | 第25-32页 |
| ·微博主观句抽取思路 | 第25-26页 |
| ·传统的基于大规模情感词典的微博主观句抽取方法 | 第26-27页 |
| ·基于词典与语料结合的微博主观句抽取方法 | 第27-31页 |
| ·建立高可信情感词典 | 第27页 |
| ·N-POSW模型 | 第27-29页 |
| ·基于2-POSW模型的主观句抽取 | 第29-30页 |
| ·词典和语料结合抽取微博主观句 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 中文微博情感极性语料库的收集与标注 | 第32-41页 |
| ·微博表情 | 第32-33页 |
| ·情感词典 | 第33-34页 |
| ·基于情感词典的微博情感极性判断方法 | 第34-37页 |
| ·基于多策略融合的中文微博数据集标注方法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于SVM的中文微博情感极性分类 | 第41-53页 |
| ·文本表示模型 | 第41页 |
| ·支持向量机分类方法 | 第41-43页 |
| ·特征的选择 | 第43-50页 |
| ·unigram和情感短语特征 | 第44-45页 |
| ·基于频度和信息熵的优化 | 第45-47页 |
| ·标点符号特征 | 第47页 |
| ·情感词典特征 | 第47-50页 |
| ·文本特征项权值 | 第50页 |
| ·情感极性分类总体框架 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 实验结果及分析 | 第53-64页 |
| ·实验数据介绍 | 第53-55页 |
| ·主客观分类语料 | 第53-54页 |
| ·情感极性分类语料 | 第54页 |
| ·语料库的预处理 | 第54-55页 |
| ·实验工具介绍 | 第55页 |
| ·实验性能评估指标 | 第55-56页 |
| ·实验设计与结果分析 | 第56-62页 |
| ·中文微博的主客观分类的实验结果分析和比较 | 第56-58页 |
| ·中文微博的情感极性分类的实验结果分析和比较 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第七章 结论和展望 | 第64-67页 |
| ·全文总结 | 第64-65页 |
| ·展望 | 第65-67页 |
| 附录 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
