基于自动标注训练集的微博语料情感分类的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究目标和方法 | 第12页 |
| 1.4 研究内容和意义 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第2章 理论基础和技术支持 | 第14-19页 |
| 2.1 情感分析相关理论 | 第14-16页 |
| 2.1.1 情感分类 | 第14页 |
| 2.1.2 主客观检测 | 第14-15页 |
| 2.1.3 主题相关性 | 第15-16页 |
| 2.2 文本自动分类 | 第16-17页 |
| 2.3 常用的分类方法 | 第17-19页 |
| 2.3.1 K-最邻近分类法 | 第17页 |
| 2.3.2 贝叶斯分类法 | 第17页 |
| 2.3.3 支持向量机 | 第17-18页 |
| 2.3.4 最大熵分类器 | 第18页 |
| 2.3.5 条件随机场 | 第18-19页 |
| 第3章 微博语料情感分类系统的构建 | 第19-26页 |
| 3.1 微博语料的获取 | 第19-22页 |
| 3.2 微博语料特征概述 | 第22-24页 |
| 3.2.1 微博语料的特征分析 | 第22-23页 |
| 3.2.2 中英文微博的比较 | 第23-24页 |
| 3.3 微博语料情感分类系统的设计 | 第24-26页 |
| 第4章 微博语料情感的自动标注 | 第26-36页 |
| 4.1 表情符号的语料库自动标注 | 第26-29页 |
| 4.1.1 微博表情符号的收集 | 第26-28页 |
| 4.1.2 表情符号的极性分类 | 第28-29页 |
| 4.1.3 表情符号的标注规则 | 第29页 |
| 4.2 情感词的语料库自动标注 | 第29-31页 |
| 4.2.1 情感词的收集 | 第29-30页 |
| 4.2.2 情感词的语料库自动标注规则 | 第30-31页 |
| 4.2.3 否定词对情感分类的影响 | 第31页 |
| 4.3 表情符号和情感词综合的自动标注方法 | 第31-36页 |
| 第5章 微博语料的情感分类 | 第36-47页 |
| 5.1 微博情感分类特征训练 | 第36-43页 |
| 5.1.1 微博情感分类语料库预处理 | 第36-37页 |
| 5.1.2 微博情感分类特征提取 | 第37-39页 |
| 5.1.3 特征模型的存储结构 | 第39-43页 |
| 5.2 微博情感分类分类器 | 第43-47页 |
| 5.2.1 朴素贝叶斯分类器 | 第43-45页 |
| 5.2.2 分类器优化 | 第45-47页 |
| 第6章 微博语料标注和分类的实验结果分析 | 第47-51页 |
| 6.1 情感分析有效性评价标准化 | 第47-48页 |
| 6.1.1 自动标注的评价 | 第47页 |
| 6.1.2 情感分类的评价 | 第47-48页 |
| 6.2 语料库自动标注实验结果 | 第48-49页 |
| 6.3 情感分类实验结果 | 第49-51页 |
| 总结 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |
