| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和选题意义 | 第9-10页 |
| 1.2 拟解决的科学问题 | 第10-11页 |
| 1.3 研究内容与技术路线 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 技术路线 | 第12-14页 |
| 1.4 论文的内容组织结构 | 第14-15页 |
| 2 国内外研究现状 | 第15-23页 |
| 2.1 基于词典法的微博情感分析 | 第15-18页 |
| 2.2 基于机器学习的微博情感分析 | 第18-19页 |
| 2.3 基于句法分析和规则的微博情感分析 | 第19-21页 |
| 2.4 研究述评 | 第21-23页 |
| 3 微博情感知识元的抽取和微博情感知识集的构建 | 第23-39页 |
| 3.1 微博领域中的知识元 | 第23-26页 |
| 3.2 中文微博不同领域数据获取 | 第26-27页 |
| 3.2.1 语料获取 | 第26页 |
| 3.2.2 数据预处理 | 第26-27页 |
| 3.3 基于CRFs模型的微博情感知识元自动抽取 | 第27-32页 |
| 3.3.1 CRFs模型 | 第27页 |
| 3.3.2 基于CRFs的微博情感对象知识元抽取算法 | 第27-28页 |
| 3.3.3 抽取特征选取和模版设计 | 第28-32页 |
| 3.4 抽取实验分析与结果处理 | 第32-39页 |
| 3.4.1 实验设计与评价 | 第32-34页 |
| 3.4.2 微博情感评价对象知识元集后处理 | 第34-36页 |
| 3.4.3 微博情感知识元集构建 | 第36-39页 |
| 4 基于异态集成学习的中文微博情感分析 | 第39-58页 |
| 4.1 集成学习方法 | 第39-41页 |
| 4.1.1 算法的有效性分析 | 第40页 |
| 4.1.2 异态集成学习方法 | 第40-41页 |
| 4.2 基于微博情感知识元的特征表示方法 | 第41-42页 |
| 4.3 微博预处理 | 第42-47页 |
| 4.3.1 特殊符号处理 | 第42-44页 |
| 4.3.2 干扰信息处理 | 第44页 |
| 4.3.3 特征提取和扩充 | 第44-47页 |
| 4.4 微博情感分析模型 | 第47-51页 |
| 4.4.1 常见分类模型 | 第47-48页 |
| 4.4.2 基于异态集成分类器的微博情感分析 | 第48-50页 |
| 4.4.3 微博情感分析的实现 | 第50-51页 |
| 4.5 实验结果及分析 | 第51-58页 |
| 4.5.1 实验数据 | 第51-53页 |
| 4.5.2 实验设计和结果评价 | 第53-58页 |
| 5. 总结与展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录A 微博情感对象知识元抽取结果(部分) | 第63-66页 |
| 附录B 微博情感表情符号抽取结果(频次排名前50) | 第66-68页 |
| 攻读硕士学位期间发表学术论文及科研情况 | 第68-69页 |
| 致谢 | 第69-70页 |