基于情绪词典扩展技术的中文微博情绪分析
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 微博情绪分析综述 | 第17-25页 |
| ·微博情绪分析的相关工作 | 第17-19页 |
| ·有监督的机器学习方法 | 第17-18页 |
| ·无监督方法 | 第18-19页 |
| ·情绪词典的相关工作 | 第19-23页 |
| ·情绪词典构建的相关工作 | 第19-20页 |
| ·词典扩展的的相关技术 | 第20-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于语料上下文的情绪词识别 | 第25-41页 |
| ·情绪词典介绍 | 第26-28页 |
| ·语料情绪词识别方法 | 第28-33页 |
| ·语料预处理 | 第29页 |
| ·种子情绪词集和候选词的提取 | 第29-30页 |
| ·种子情绪词与候选词的情绪向量表示 | 第30-32页 |
| ·语料情绪词的识别 | 第32-33页 |
| ·实验及结果分析 | 第33-40页 |
| ·数据集获取 | 第33-34页 |
| ·实验评测标准 | 第34-35页 |
| ·基于规则方法的微博情绪分析 | 第35-37页 |
| ·基于支持向量机的微博情绪分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于语料上下文的情绪词加权 | 第41-54页 |
| ·情绪词加权的相关研究 | 第41-42页 |
| ·基于情绪词激励程度的情绪词加权方法 | 第42-47页 |
| ·情绪词典介绍 | 第44-45页 |
| ·情绪词的激励程度计算 | 第45-46页 |
| ·情绪类的参数设置 | 第46-47页 |
| ·情绪词的权重计算 | 第47页 |
| ·实验及结果分析 | 第47-53页 |
| ·实验数据 | 第48页 |
| ·简单规则方法介绍 | 第48页 |
| ·实验设置 | 第48-49页 |
| ·EDutir词典情绪强度VS情绪权重 | 第49-51页 |
| ·联合多个情绪词典的微博情绪分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于语料上下文的情绪词典扩展 | 第54-70页 |
| ·基于语料上下文的情绪词典扩展 | 第54-63页 |
| ·种子情绪词的情绪向量表示 | 第56-61页 |
| ·语料情绪词识别 | 第61-63页 |
| ·语料情绪词的情绪权重标注 | 第63页 |
| ·实验及结果分析 | 第63-69页 |
| ·数据获取 | 第63页 |
| ·实验评测标准 | 第63-64页 |
| ·基于规则方法的微博情绪分析 | 第64-66页 |
| ·基于支持向量机的微博情绪分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76-77页 |
| 附录 | 第77页 |
