文本情感分析

第1章  研究背景和意义
1.1  什么是情感分析
1.2  情感分析的应用
1.2.1  商业领域
1.2.2  文化领域
1.2.3  社会管理
1.2.4  信息预测
1.2.5  情绪管理
1.3  研究现状简介
1.3.1  传统情感分类方法
1.3.2  短文本情感分类方法
1.3.3  基于深度学习的方法
参考文献
第2章  主要研究问题
2.1  情感单元抽取
2.1.1  观点持有者抽取
2.1.2  评价对象抽取
2.1.3  情感词抽取
2.1.4  情感词极性判定
2.2  情感分类
2.2.1  主客观分类
2.2.2  正负情感分类
2.2.3  跨领域情感分类
2.2.4  多语言情感分类
2.3  情绪分类
2.4  观点摘要
2.5  观点检索
2.6  比较观点挖掘
2.7  垃圾评论检测
2.8  情感演化分析
2.9  情感与话题传播分析
2.1  0结合观点的商品推荐
参考文献
第3章  情感词典的构建
3.1  基于知识库的方法
3.1.1  词关系扩展法
3.1.2  释义扩展法
3.2  基于语料库的方法
3.2.1  基于图模型的情感词典构建方法
3.2.2  基于短文本的情感词典构建方法
3.3  基于深度学习的方法
3.3.1  词向量模型
3.3.2  情感嵌入表达学习
3.3.3  情感嵌入表达优化
参考文献
第4章  情感分类
4.1  主客观分类
4.1.1  基于规则的方法
4.1.2  基于机器学习的方法
4.2  篇章级情感分类
4.2.1  有监督方法
4.2.2  无监督方法
4.2.3  半监督方法
4.3  短文本情感分类
4.3.1  树形结构的长短期记忆网络模型
4.3.2  基于多任务学习的个性化情感分类
4.4  属性级情感分类
4.4.1  属性情感联合话题模型JAS
4.4.2  基于问答模型的多属性情感分类
参考文献
第5章  跨领域情感分类
5.1  迁移学习相关研究技术
5.1.1  迁移学习方法
5.1.2  跨领域情感分类方法
5.2  基于图模型的跨领域情感分类
5.2.1  基于图排序的跨领域情感分类
5.2.2  基于流排序的跨领域情感分类
5.3  文本与词相互促进的跨领域情感分类
5.3.1  问题描述
5.3.2  情感图生成算法
5.3.3  基于随机游走模型的跨领域情感分类算法
5.3.4  实验结果与分析
5.4  基于矩阵分解的领域迁移方法
5.4.1  基本原理
5.4.2  图正则化联合矩阵分解
5.4.3  优化框架
5.4.4  学习算法
5.5  基于深度表征适配方法的跨领域情感分类
5.5.1  非线性分布距离度量
5.5.2  领域不变深度表征
5.5.3  迁移交叉验证
参考文献
第6章  跨语言情感分类
6.1  基于双语平行语料的方法
6.1.1  引言
6.1.2  搭配对齐算法
6.1.3  实验与评价
6.1.4  小结
6.2  基于双语非平行语料的方法
6.2.1  基于互增益标签传导的跨语言情感分析模型
6.2.2  跨语言话题/情感模型
6.3  基于目标语言语料的方法
6.3.1  仅用三个种子词的多语言情感分类方法
6.3.2  基于关键句抽取的多语言情感分类方法
参考文献
第7章  情绪分类
7.1  情绪分析理论
7.2  基于词典和规则的情绪分类方法
7.2.1  基于词典的情绪分类方法
7.2.2  基于规则的情绪分类方法
7.3  基于机器学习的情绪分类方法
7.3.1  有监督学习情绪分类方法
7.3.2  半监督学习分类方法
7.4  复合层级情绪分类方法
7.5  多标签情绪分类方法
7.6  总结与展望
参考文献
第8章  情感摘要
8.1  研究现状
8.2  问题描述
8.3  方法框架
8.4  属性观点模型
8.4.1  模型描述
8.4.2  参数估计
8.5  摘要抽取
8.5.1  基本概念及记号
8.5.2  构造流形结构
8.5.3  摘要抽取
8.6  实验结果及分析
8.6.1  实验设置
8.6.2  实验结果及分析
参考文献
第9章  情感与观点检索
9.1  观点评分方法
9.2  主题相关观点方法
9.3  结合观点评分与主题相关性的方法
9.4  面向博客信息源的检索方法
9.4.1  检索框架
9.4.2  主题观点模型
9.4.3  主题偏向模型
9.4.4  实验与分析
参考文献
第10章情感分析资源归纳
10.1  情感语料
10.2  情绪语料
10.3  情感词典
参考文献