| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 文本的倾向性分析研究现状 | 第13-15页 |
| 1.2.2 情感词典研究现状 | 第15-17页 |
| 1.2.3 表情符号情感表达的研究现状 | 第17页 |
| 1.3 本文的主要研究工作 | 第17-18页 |
| 1.4 论文的结构组织 | 第18-20页 |
| 第2章 相关理论与技术 | 第20-31页 |
| 2.1 自然语言处理技术 | 第20-24页 |
| 2.1.1 分词技术 | 第20-22页 |
| 2.1.2 词性标注 | 第22-24页 |
| 2.2 文本分类 | 第24-27页 |
| 2.2.1 文本表示 | 第24-25页 |
| 2.2.2 文本特征选择方法 | 第25-27页 |
| 2.3 基于支持向量机(SVM)的分类器 | 第27-30页 |
| 2.3.1 支持向量机的基本思想 | 第27页 |
| 2.3.2 最优分类超平面 | 第27-28页 |
| 2.3.3 核函数理论 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于表情符号的中文微博文本倾向性分析 | 第31-44页 |
| 3.1 微博文本数据的特点 | 第31-32页 |
| 3.2 表情符号对微博情感分析的影响 | 第32-33页 |
| 3.2.1 短文本倾向性分析 | 第32-33页 |
| 3.2.2 结合表情符号的微博倾向性分析框架 | 第33页 |
| 3.3 微博数据的采集与预处理 | 第33-35页 |
| 3.3.1 微博数据的采集 | 第34页 |
| 3.3.2 文本预处理 | 第34-35页 |
| 3.4 融和表情符号的微博文本情感分类 | 第35-37页 |
| 3.4.1 种子表情符号的选取 | 第35-36页 |
| 3.4.2 微博文本倾向性标注 | 第36-37页 |
| 3.5 实验结果与分析 | 第37-43页 |
| 3.5.1 评价指标 | 第37-38页 |
| 3.5.2 实验结果与分析 | 第38-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于表情符号的中文微博情感词典构建 | 第44-51页 |
| 4.1 情感词典的构建 | 第44-46页 |
| 4.1.1 情感词的抽取 | 第44页 |
| 4.1.2 情感词的标注 | 第44-46页 |
| 4.2 针对情感词典标注结果的评价与分析 | 第46-50页 |
| 4.2.1 评价指标 | 第46页 |
| 4.2.2 比较语料库的选择 | 第46-47页 |
| 4.2.3 实验结果与分析 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的学术论文以及参与的科研项目 | 第58页 |