| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 文本情感倾向性分析研究现状 | 第10-12页 |
| 1.2.2 微博情感倾向性分析研究现状 | 第12页 |
| 1.2.3 目前研究中存在的问题 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关技术研究 | 第16-22页 |
| 2.1 特征选择方法研究概述 | 第16-18页 |
| 2.1.1 常见的特征选择方法 | 第16-17页 |
| 2.1.2 特征选择方法对比 | 第17-18页 |
| 2.2 情感词典构建研究概述 | 第18-19页 |
| 2.2.1 情感词典的介绍 | 第18-19页 |
| 2.2.2 情感词典构建 | 第19页 |
| 2.3 微博文本情感分析研究概述 | 第19-21页 |
| 2.3.1 微博相关理论研究 | 第19-20页 |
| 2.3.2 微博情感倾向性分类技术 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于SO-PMI以及表情符号的情感词典自动构建方法 | 第22-29页 |
| 3.1 引言 | 第22-23页 |
| 3.2 融合表情符号的微博情感词典构建 | 第23-25页 |
| 3.2.1 微博语料预处理 | 第23-24页 |
| 3.2.2 微博情感词的抽取 | 第24-25页 |
| 3.3 基于SO-PMI算法的情感倾向性计算 | 第25-26页 |
| 3.4 实验结果与分析 | 第26-28页 |
| 3.4.1 实验数据及评价指标 | 第26页 |
| 3.4.2 对比实验与分析 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于上下文观点的微博文本情感倾向性分析 | 第29-37页 |
| 4.1 引言 | 第29-30页 |
| 4.2 上下文观点信息的定义及识别 | 第30-31页 |
| 4.2.1 微博文本情感词抽取 | 第30页 |
| 4.2.2 微博表情符号词典构建 | 第30-31页 |
| 4.3 基于上下文观点的微博情感计算方法 | 第31-33页 |
| 4.4 微博语料预处理 | 第33-36页 |
| 4.4.1 实验数据 | 第33页 |
| 4.4.2 评价指标 | 第33-34页 |
| 4.4.3 实验及结果分析 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 上下文观点情感分析原型系统的设计与实现 | 第37-42页 |
| 5.1 系统设计原理 | 第37页 |
| 5.2 系统设计方案 | 第37-38页 |
| 5.3 系统模块展示 | 第38-41页 |
| 5.3.1 系统展示 | 第38-40页 |
| 5.3.2 情感分析效果展示 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 论文总结 | 第42页 |
| 6.2 工作展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻硕期间发表论文及科研成果 | 第48-49页 |
| 致谢 | 第49页 |