| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 情感词语分析的研究综述 | 第13-18页 |
| 1.2.1 情感分析相关知识介绍 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.2.3 国内研究现状 | 第15-16页 |
| 1.2.4 网络词语情感特征的相关综述 | 第16-18页 |
| 1.3 研究的主要内容及创新点 | 第18-20页 |
| 1.3.1 研究的主要内容 | 第18页 |
| 1.3.2 论文的创新点 | 第18-20页 |
| 1.4 论文的结构安排及技术路线 | 第20-22页 |
| 第2章 网络情感词语分析的相关概述 | 第22-32页 |
| 2.1 网络情感词语的极性分析 | 第22-25页 |
| 2.1.1 词级情感分析 | 第22-23页 |
| 2.1.2 句级情感分析 | 第23-24页 |
| 2.1.3 文本级情感分析 | 第24-25页 |
| 2.2 网络情感词语的文本处理技术 | 第25-31页 |
| 2.2.1 特征选择方法 | 第26-28页 |
| 2.2.2 特征权重计算方法和实验 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 网络传媒情感词典构建及主客观分类方法 | 第32-48页 |
| 3.1 情感词典的分类 | 第32-35页 |
| 3.1.1 褒贬义词词典 | 第32页 |
| 3.1.2 否定词词典 | 第32-33页 |
| 3.1.3 程度副词词典 | 第33-35页 |
| 3.2 字符情感分值计算法 | 第35-36页 |
| 3.3 情感词语的成分提取 | 第36-38页 |
| 3.3.1 程度副词 | 第36-37页 |
| 3.3.2 否定副词 | 第37-38页 |
| 3.4 基干词典主客观判别方法 | 第38-45页 |
| 3.4.1 文本主客观判别方法 | 第40-41页 |
| 3.4.2 基于Vote-AdaBoost的组合分类方法 | 第41页 |
| 3.4.3 AdaBoost方法 | 第41-42页 |
| 3.4.4 AdaBoost算法流程 | 第42-43页 |
| 3.4.5 Vote-AdaBoost方法 | 第43-45页 |
| 3.5 实验与分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 网络传媒情感词语的强度量化分析和计算 | 第48-63页 |
| 4.1 网络词语语料处理与标注 | 第48-50页 |
| 4.1.1 网络词语语料处理 | 第48-50页 |
| 4.2 基于最短距离词汇链的基准词抽取方法 | 第50-51页 |
| 4.3 网络情感词语特征选择 | 第51-55页 |
| 4.3.1 微博词语特征概述 | 第51-52页 |
| 4.3.2 特征权重的计算 | 第52-54页 |
| 4.3.3 特征选择算法设计和实验 | 第54-55页 |
| 4.4 网络情感词语强度量化计算 | 第55-62页 |
| 4.4.1 基础网络传媒情感词语的强度量化计算 | 第55-57页 |
| 4.4.2 网络传媒短文本情感倾向判断 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 网络传媒情感词语强度量化实验结果分析 | 第63-69页 |
| 5.1 实验的数据集 | 第64页 |
| 5.2 实验设计 | 第64-65页 |
| 5.3 对比算法 | 第65-66页 |
| 5.3.1 准确率 | 第65页 |
| 5.3.2 召回率 | 第65-66页 |
| 5.3.3 F值 | 第66页 |
| 5.4 实验结果分析 | 第66-68页 |
| 5.4.1 情感词典扩展准确率分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-73页 |
| 6.1 本文的总结 | 第69-71页 |
| 6.2 下一步的研究方向 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读博士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |