基于机器学习的中文微博情感分类技术研究

声明

第1章 绪论

1.1 研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 情感分析研究现状

1.2.2 基于情感知识的情感研究

1.2.3 基于机器学习的情感研究

1.3 论文研究内容与创新

1.4 论文的结构安排

1.5 本章小结

第2章 相关理论与技术

2.1 微博的文本特征

2.2 文本预处理

2.2.1 中文分词

2.2.2 停用词处理

2.2.3 词性标注

2.2.4 句法分析

2.3 文本表示

2.3.1 向量空间模型

2.3.2 特征选择方法

2.3.3 特征权重计算

2.4 文本情感分类

2.4.1 基于情感词典的情感分类

2.4.2 基于机器学习的情感分类

2.5 本章小结

第3章 表情特征与规则下的情感计算研究

3.1 情感词典的构建

3.1.1 基础情感词典介绍

3.1.2 情感词典扩展算法

3.1.3 算法有效性验证

3.2 微博情感影响因子

3.2.1 词语级影响因子

3.2.2 句子级影响因子

3.3 语义规则

3.3.1 句型规则

3.3.2 句间关系规则

3.4 表情特征加权

3.5 微博情感计算公式

3.6 实验验证

3.6.1 数据来源

3.6.2 评测指标

3.6.3 实验结果与分析

3.7 本章小结

第4章 融合语义规则下基于机器学习的情感分析

4.1 机器学习算法介绍

4.1.1 朴素贝叶斯

4.1.2 k近邻

4.1.3 支持向量机

4.2 基于机器学习的情感分析流程

4.3 基于支持向量机的情感分类

4.3.1 文本表示格式

4.3.2 文本缩放操作

4.3.3 核函数选择

4.3.4 相关参数调整

4.4 针对特征权重算法的改进

4.5 实验验证

4.5.1 数据准备

4.5.2 实验测评指标

4.5.3 实验结果与分析

4.6 本章小结

第5章 总结与展望

5.1 全文总结

5.2 学习展望

参考文献

攻读硕士学位期间发表论文

致谢