面向网络舆情的中文评论文本情感倾向分析研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·选题背景及意义 | 第8-9页 |
| ·国内外研究现状分析 | 第9-13页 |
| ·网络舆情分析的研究现状 | 第9-10页 |
| ·文本情感分析的研究现状 | 第10-13页 |
| ·论文结构安排 | 第13-14页 |
| 2 Web文本分类及相关技术研究 | 第14-26页 |
| ·Web文本分类 | 第14-16页 |
| ·Web文本分类概述 | 第14页 |
| ·Web文本分类过程 | 第14-16页 |
| ·文本预处理技术 | 第16-21页 |
| ·分词技术 | 第16-18页 |
| ·停用词处理 | 第18-21页 |
| ·文本表示 | 第21-24页 |
| ·向量空间模型 | 第21页 |
| ·特征选择方法 | 第21-23页 |
| ·特征权重计算 | 第23-24页 |
| ·常用文本分类算法 | 第24-26页 |
| 3 支持向量机理论 | 第26-33页 |
| ·统计学习理论 | 第26-27页 |
| ·VC维 | 第26-27页 |
| ·结构风险最小化原理 | 第27页 |
| ·支持向量机 | 第27-32页 |
| ·最优分类面 | 第27-28页 |
| ·线性支持向量机 | 第28-30页 |
| ·线性不可分支持向量机 | 第30-31页 |
| ·非线性支持向量机 | 第31-32页 |
| ·核函数 | 第32-33页 |
| 4 情感词库构建 | 第33-46页 |
| ·主观文本提取 | 第33-36页 |
| ·主观性文本和客观性文本 | 第33-34页 |
| ·基于N-POS模型的主观句子提取及改进 | 第34-36页 |
| ·基于条件随机的情感词提取 | 第36-38页 |
| ·条件随机场 | 第36-37页 |
| ·情感词提取规律 | 第37-38页 |
| ·基于知网的词汇倾向计算 | 第38-40页 |
| ·知网简介 | 第38页 |
| ·知网的词汇相似度计算原理 | 第38-39页 |
| ·基于知网的词汇倾向计算 | 第39-40页 |
| ·测试研究分析 | 第40-46页 |
| ·主观句子提取及改进的测试分析 | 第40-41页 |
| ·情感词提取测试分析 | 第41-43页 |
| ·词汇倾向计算测试分析 | 第43-46页 |
| 5 文本情感分类模型构建及实现 | 第46-58页 |
| ·基于支持向量机的文本情感分类模型 | 第46-50页 |
| ·文本情感分类实现及结果分析 | 第50-58页 |
| ·支持向量机平台LIBSVM简介 | 第50页 |
| ·基于LIBSVM的文本情感分类实现 | 第50-55页 |
| ·结果及对比分析 | 第55-58页 |
| 6 总结与展望 | 第58-60页 |
| ·论文总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 后记 | 第63-64页 |
