基于微博的情感分析关键技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 情感分析的发展与现状 | 第9-10页 |
| 1.1.2 微博情感分析的意义 | 第10页 |
| 1.2 微博的发展其语言特点 | 第10-11页 |
| 1.3 本文主要内容与组织结构 | 第11-13页 |
| 第2章 基于微博的情感分析数据预处理关键技术研究 | 第13-33页 |
| 2.1 未登录词的识别 | 第14-18页 |
| 2.1.1 ICTCLAS分词工具 | 第14页 |
| 2.1.2 基于共现频率的未登录词识别算法 | 第14-15页 |
| 2.1.3 实例验证 | 第15-16页 |
| 2.1.4 基于共现频率的未登录词识别改进算法 | 第16-18页 |
| 2.2 微博语料预处理 | 第18-22页 |
| 2.2.1 微博过滤器 | 第18-20页 |
| 2.2.2 微博语料基础预处理 | 第20-22页 |
| 2.3 情感词典构建 | 第22-32页 |
| 2.3.1 基础情感词典的构建 | 第22-23页 |
| 2.3.2 基于微博语料的情感词典扩展 | 第23-29页 |
| 2.3.3 基于SO-PMI的情感词典扩展 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 微博情感分析算法研究 | 第33-49页 |
| 3.1 特征提取 | 第33-35页 |
| 3.1.1 特征选择 | 第33-34页 |
| 3.1.2 特征权重计算 | 第34-35页 |
| 3.2 半监督情感分析算法 | 第35-39页 |
| 3.2.1 Self-training算法 | 第35-36页 |
| 3.2.2 Self-training改进算法 | 第36页 |
| 3.2.3 实例验证 | 第36-39页 |
| 3.3 无监督的情感分析算法 | 第39-47页 |
| 3.3.1 基于词典的情感分析算法 | 第39-40页 |
| 3.3.2 基于二分谱聚类的决策算法 | 第40-44页 |
| 3.3.3 实例验证 | 第44-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 微博情感分析应用：微博热门话题的情感分析 | 第49-63页 |
| 4.1 微博热门话题的情感分析原型系统设计 | 第49-51页 |
| 4.1.1 应用场景分析 | 第49页 |
| 4.1.2 系统设计 | 第49-51页 |
| 4.2 微博热门话题的情感分析系统实现 | 第51-61页 |
| 4.2.1 数据获取层 | 第51-52页 |
| 4.2.2 数据预处理层 | 第52-53页 |
| 4.2.3 话题情感分析层 | 第53-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-68页 |
