网络文本情感新词发现及情感关键句抽取判定研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 文本情感分析的发展 | 第11页 |
| 1.3 本文研究工作 | 第11-12页 |
| 1.4 论文组织框架 | 第12-14页 |
| 2 文本情感倾向性分析相关研究 | 第14-23页 |
| 2.1 相关术语 | 第14页 |
| 2.2 国内外相关研究 | 第14-16页 |
| 2.3 文本情感倾向性分析方法 | 第16-21页 |
| 2.3.1 基于词典和规则的方法 | 第16-17页 |
| 2.3.2 基于机器学习的方法 | 第17-21页 |
| 2.3.2.1 朴素贝叶斯 | 第17-18页 |
| 2.3.2.2 最大熵模型 | 第18-19页 |
| 2.3.2.3 支持向量机模型 | 第19-21页 |
| 2.3.3 基于深度学习的方法 | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 微博情感新词发现 | 第23-35页 |
| 3.1 微博来源与情感词典构建 | 第23-25页 |
| 3.1.1 微博数据来源 | 第24页 |
| 3.1.2 基础情感词典 | 第24-25页 |
| 3.2 情感词分布的统计与分析 | 第25-28页 |
| 3.2.1 情感词的词性分布 | 第25-27页 |
| 3.2.2 情感词的共现分布 | 第27-28页 |
| 3.3 基于上下文的微博情感新词发现 | 第28-31页 |
| 3.3.1 分类特征 | 第29页 |
| 3.3.2 算法 | 第29-31页 |
| 3.4 实验结果与分析 | 第31-34页 |
| 3.4.1 实验语料与评测指标 | 第31-32页 |
| 3.4.2 结果与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 篇章情感关键句抽取与判定 | 第35-47页 |
| 4.1 情感关键句分析模型 | 第35-36页 |
| 4.2 基于SVM和RNN的篇章情感关键句判定 | 第36-41页 |
| 4.2.1 基于SVM的情感分类与特征选择 | 第36-39页 |
| 4.2.2 基于RNN的句子情感分析 | 第39-40页 |
| 4.2.3 算法描述 | 第40-41页 |
| 4.3 实验设计与分析 | 第41-45页 |
| 4.3.1 实验语料 | 第41-44页 |
| 4.3.2 评测指标 | 第44页 |
| 4.3.3 实验结果与分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第53-54页 |
| 个人简历 | 第53页 |
| 在校期间发表的学术论文 | 第53页 |
| 研究成果 | 第53-54页 |
| 致谢 | 第54页 |
