| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 图表清单 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·词语倾向性分析现状 | 第12-14页 |
| ·句子倾向性分析现状 | 第14页 |
| ·文本倾向性分析现状 | 第14-15页 |
| ·本文的主要工作 | 第15-16页 |
| ·本文的组织结构 | 第16-18页 |
| 2 基于语义的倾向性分析理论基础 | 第18-26页 |
| ·传统的文本倾向性分析方法的研究 | 第18页 |
| ·基于语义的文本倾向性 | 第18-21页 |
| ·语义信息 | 第18-20页 |
| ·语义相似度和语义相关度 | 第20页 |
| ·语义倾向定义 | 第20-21页 |
| ·基于语义的文本倾向性分析 | 第21页 |
| ·基于语义倾向的语义分析方法 | 第21-25页 |
| ·潜在语义索引分析 | 第22页 |
| ·逐点分析 | 第22-23页 |
| ·基于HowNet的语义倾向计算 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 基于HNC的语义相关度计算词语的原始极性算法 | 第26-37页 |
| ·HNC理论概述 | 第26-28页 |
| ·HNC理论 | 第26-27页 |
| ·HNC理论基本内容 | 第27-28页 |
| ·基于HNC的语义相关度计算方法 | 第28-32页 |
| ·HNC语义相关度计算方法 | 第28-31页 |
| ·HNC语义相关度计算方法的优点 | 第31-32页 |
| ·基于HNC的语义相关度计算词语的原始极性计算算法 | 第32-36页 |
| ·算法描述 | 第32-33页 |
| ·实验测试集 | 第33-34页 |
| ·实验分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 改进的文本倾向性算法 | 第37-47页 |
| ·算法整体框架 | 第37页 |
| ·文本预处理 | 第37-41页 |
| ·中文分词 | 第37-39页 |
| ·去除停用词 | 第39页 |
| ·提取主观性句子 | 第39-41页 |
| ·基于上下文的词语的倾向性分析 | 第41-43页 |
| ·关联词规则 | 第41-42页 |
| ·词语倾向性分析 | 第42-43页 |
| ·文本倾向性分析 | 第43-44页 |
| ·实验词表 | 第44-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·测试语料 | 第45页 |
| ·词语极性识别测试 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 文本倾向性分析应用实例 | 第47-56页 |
| ·网络舆情理论 | 第47-49页 |
| ·网络舆情的含义与特点 | 第47-48页 |
| ·网络舆情监控系统概述 | 第48-49页 |
| ·网络舆情监控系统框架 | 第49页 |
| ·舆情关键点分析 | 第49-52页 |
| ·热点话题发现 | 第50页 |
| ·极性话题发现 | 第50-51页 |
| ·焦点话题发现 | 第51-52页 |
| ·敏感话题发现 | 第52页 |
| ·实验分析 | 第52-53页 |
| ·文本倾向性分析在国保情报系统中的应用 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·下一步工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 论文及科研情况 | 第62页 |