在Web2.0時代裡，互聯網上存在著大量可作為情感語料數據原型的評論，如何高效**的獲取基於這些語料的情感信息，並依此進行相關研究成為當前信息科學與技術領域面臨的重大挑戰。情感分析，又稱意見挖掘（opinion mining），是用於分析人對特定對像及其相關屬性的觀點、態度以及其他主觀感情的技術。
朱儉編寫的《文本情感分析關鍵技術研究》在深入研究文本情感問題及現狀的基礎上，充分結合計算語言學、統計學、機器學習等相關理論及其方法，利用語義塊、句子、文本等不同語言粒度進行文本情感傾向性建模、分析與研究，從而提出高效、**的文本情感分類技術與方法。

前言
第一章 緒論
第一節 研究背景和研究意義
一 自然語言處理
二 文本情感分析
第二節 文本情感分析整體研究現狀
一 語料階段
二 文本的預處理階段
三 特征標注與特征選擇階段
四 情感分類階段
五 中文文本情感分析亟待解決的問題
第三節 研究內容與結構
一： 研究內容
二研究結構
本章小結
第二章 情感語義塊特征
第一節 研究現狀
第二節 情感特征的定義
一特征項的選擇與權重
二 語義塊特征無監督提取
三 情感語義塊特征的生成
第三節 情感特征采集繫統
一 情感特征的自動標注
二 情感特征的人工標注
本章小結
第三章 網絡挖掘的數據獲取
第一節 萬維網介紹
一 萬維網的發展
二 因特網的歷史
第二節 網絡挖掘
一 網絡數據挖掘特點
二 網絡挖掘步驟
三 網絡數據挖掘的內容
本章小結
第四章 中文分詞
第一節 自然語言處理
一 自然語言處理技術
二 無監督分詞研究
第二節 中文分詞的前沿性及創新性
一 **外當前水平
二分詞的前沿性
三 分詞的創新性
本章小結
第五章 算法準備
第一節 機器學習概述
第二節 文本特征選擇方法
一過濾器方法
二包裝器方法
三 文本學習方法
第三節 文本分類器核心算法
一 相關定義
二 *優基於概率網絡的文本分類器
三 線性決策函數及決策超平面
四 均方錯誤估計
五 隨機近似和LMs算法
六 錯誤平方和估計
七 *優分類器的輸出——偏差和方差的困境
本章小結
第六章 基於遺傳算法的情感特征選擇
第一節 特征選擇相關工作
一 特征選擇
二特征選擇方法
第二節 情感特征選擇的算法設計
一情感特征編碼
二群體設置
三 個體適應度函數
四 遺傳算子
第三節 改進的K一均值聚類及實驗結果
一 改進K一均值聚類
二 特征選擇的實驗結果
三 公開語料上的實驗對比
本章小結
第七章 基於局部高頻字串的語句條件隨機場模型
第一節 句法分析
一 句法分析研究
二 依存句法分析
三 依存關繫與漢語依存語法
四 基於規則的依存信息抽取
五 句法研究代碼實現與分析
第二節 采用CRF進行句法級別情感分析過程
一語句中的局部高頻字串
二 對語句信息進行cRF模型情感分析
三 HMM模型
第三節 實驗結果及分析
一 實驗研究資源
二 實驗結果評價
三 cRF模型與HMM、MEMM、SVM模型的對比
四 實驗結果與前人代表性的算法比較
五 局部高頻字串對情感分類的影響
六 局部高頻字串特征對不同評論數據的影響
本章小結
第八章 基於集成情感成員模型的文本情感分析方法
第一節 自動分類問題
一貝葉斯算法
二 K一近鄰
三 人工神經網絡
四 決策樹
第二節 集成學習
第三節 成員模型1：基於神經網絡和進化論算法的個體模型
一 人類情感判斷過程分析
二 文本情感分析過程的計算機模擬
三 個體模型的定義
四 個體模型的建模
五 構建針對文本情感分類的神經網絡模型
六 判斷結果彙總
七 個體模型的進化
第四節 其他成員模型
一 成員模型2：基於語義塊獲得情感特征集的個體模型
二 成員模型3：基於條件隨機場模型
三 成員模型的集成
第五節 實驗技術方案搭建
一 服務器LINUX平臺
二 J2EE架構
三 服務器集群的配置
四 jfreechart實驗結果可視化
五 服務器集群測試環境實現
第六節 實驗結果及分析
一 英文影評語料實驗研究
二 中文影評語料實驗研究
三 中文同領域和跨領域情感語料對比實驗研究
本章小結
第九章 結論與展望
第一節 工作研究現狀
第二節 工作總結與未來工作展望
一 工作總結
二 無監督學習算法的研究意義
本章小結
參考文獻
後記