面向目标的中文微博情感分析研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外文献综述 | 第14-17页 |
| 1.2.1 基于情感词典的无监督情感分析 | 第15-16页 |
| 1.2.2 基于机器学习的有监督情感分析 | 第16-17页 |
| 1.3 论文主要内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 第2章 微博情感分析相关技术基础 | 第19-34页 |
| 2.1 微博文本的特点 | 第19-21页 |
| 2.2 文本预处理 | 第21-24页 |
| 2.2.1 中文分词 | 第21页 |
| 2.2.2 词性标注 | 第21页 |
| 2.2.3 依存关系和句法树结构分析 | 第21-23页 |
| 2.2.4 去除停用词和特殊符号 | 第23-24页 |
| 2.3 特征选择 | 第24-25页 |
| 2.3.1 信息增益 | 第24页 |
| 2.3.2 CHI方统计 | 第24-25页 |
| 2.3.3 文档频率 | 第25页 |
| 2.3.4 互信息 | 第25页 |
| 2.4 分类模型 | 第25-30页 |
| 2.4.1 支持向量机(SVM) | 第26-28页 |
| 2.4.2 朴素贝叶斯模型(NB) | 第28-29页 |
| 2.4.3 最大熵模型(ME) | 第29-30页 |
| 2.4.4 K近邻模型(KNN) | 第30页 |
| 2.5 面向目标的文本情感分析 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 网络情感词典构建 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 情感词典相关介绍 | 第34-36页 |
| 3.2.1 英文情感词典资源 | 第35页 |
| 3.2.2 中文情感词典资源 | 第35-36页 |
| 3.3 情感词典扩展相关技术 | 第36-38页 |
| 3.4 基于微博语料库的情感词典扩展 | 第38-43页 |
| 3.4.1 新词发现 | 第38页 |
| 3.4.2 基于依存关系的候选情感词提取 | 第38-42页 |
| 3.4.3 候选情感词极性判断 | 第42-43页 |
| 3.5 实验结果及分析 | 第43-51页 |
| 3.5.1 新词发现和情感词识别 | 第43-46页 |
| 3.5.2 微博情感分析实验 | 第46-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 基于句法树的面向目标微博情感分析 | 第52-75页 |
| 4.1 引言 | 第52页 |
| 4.2 基于句法树的结构化特征 | 第52-58页 |
| 4.2.1 结构化机器学习方法 | 第52-53页 |
| 4.2.2 句法分析树 | 第53-55页 |
| 4.2.3 卷积树核函数 | 第55-56页 |
| 4.2.4 树核空间 | 第56-57页 |
| 4.2.5 复合型核函数 | 第57-58页 |
| 4.3 面向目标的句法树剪枝策略 | 第58-63页 |
| 4.3.1 构建领域本体 | 第58-59页 |
| 4.3.2 情感评价单元句法路径库构建 | 第59-61页 |
| 4.3.3 面向目标的句法树剪枝策略 | 第61-63页 |
| 4.4 实验结果及分析 | 第63-74页 |
| 4.4.1 情感评价单元句法路径库构建 | 第63-65页 |
| 4.4.2 微博情感分析实验 | 第65-74页 |
| 4.5 本章小结 | 第74-75页 |
| 结论 | 第75-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 附录 A (攻读硕士学位期间发表的学术论文目录) | 第84-85页 |
| 附录 B (攻读学位期间所参加的科研项目目录) | 第85页 |
