會化媒體已經融入並改變了人們的日常學習、工作和生活方式，成為信息產生、獲取、傳播的重要載體。基於海量的社會化媒體數據，挖掘客觀信息和主觀信息，揭示人類社會行為模式的實質，進而全面剖析並理解人類個體及群體，是典型的多學科交叉研究課題，極具挑戰性。社會化媒體在突發事件、危機事件等輿論傳播中的作用日益凸顯，其中情感挖掘和信息傳播是社會化媒體處理的重要任務，對網絡輿情的預警、分析、監測和管理等具有重要意義。

●第1章 緒論
1.1 社會化媒體的客觀信息挖掘
1.1.1 社會網絡分析
1.1.2 社會化媒體信息傳播
1.2 社會化媒體的主觀信息挖掘
1.2.1 社會化媒體情感挖掘
1.2.2 情感分析評測會議
1.2.3 語料庫資源
1.3 社會化媒體的應用研究
第2章 社會化媒體語料的獲取及預處理
2.1 語料的自動獲取
2.1.1 基於網絡爬蟲的半結構化語料自動獲取
2.1.2 基於Web API的半結構化語料自動獲取方法
2.1.3 基於模擬瀏覽器的語料自動獲取方法
2.2 語料預處理
2.3 情感詞典
2.3.1 基礎詞典
2.3.2 修飾詞典
2.3.3 情感詞典的自動構建
2.4 中文分詞
2.4.1 中文分詞方法
2.4.2 中文分詞工具
2.4.3 中文分詞研究的基本問題
2.5 句法分析
2.5.1 句法分析語法體繫
2.5.2 句法分析方法
2.5.3 中文句法分析工具
第3章 中文新詞發現
3.1 中文新詞
3.1.1 新詞的定義與特點
3.1.2 新詞的構詞特性
3.2 中文新詞發現技術
3.2.1 新詞發現的難點
3.2.2 候選新詞提取
3.2.3 垃圾字串過濾
3.2.4 評價指標
3.3 基於迭代的新詞發現算法
3.3.1 重復模式抽取
3.3.2 重復模式統計特征計算
3.3.3 基於迭代的新詞發現的實例
3.4 基於N-Gram的新詞發現算法
3.4.1 候選詞抽取
3.4.2 算法思路
3.4.3 基於N-Gram的新詞發現的實例
第4章 詞語級情感傾向性分析
4.1 候選情感詞提取
4.1.1 基準種子詞的選取
4.1.2 詞語相似度計算
4.1.3 候選詞的抽取及過濾
4.2 詞語情感強度計算
4.2.1 基於詞典的詞語情感強度計算
4.2.2 基於統計的詞語情感強度計算
4.3 評價指標
4.4 融合HowNet和PMI的情感傾向性計算
4.4.1 算法思想
4.4.2 融合HowNet和PMI的詞語情感傾向性分析的實例
第5章 句子/篇章級情感傾向性分析
5.1 情感傾向性分析算法
5.1.1 基於情感詞典和規則的情感傾向性分析
5.1.2 基於機器學習的情感傾向性分析
5.2 基於詞典和規則的情感傾向性分析
5.2.1 基於基礎情感詞典的情感傾向性分析
5.2.2 基於規則和多部情感詞典的情感傾向性分析
5.3 基於句法和規則集的情感傾向性分析
5.3.1 句型和句間關繫規則
5.3.2 程度修飾和否定修飾規則
5.3.3 文本情感值計算
5.4 句子級/篇章級情感傾向性分析的實例
5.4.1 實驗設置
5.4.2 實驗結果分析
第6章 社會化媒體文本的多級情感分析
6.1 基於情感詞典和規則的多級情感分析
6.2 基於機器學習的多級情感分析
6.2.1 特征選擇
6.2.2 情感分類模型
6.3 融合類序列規則和機器學習的多級情感分析
6.3.1 關聯規則
6.3.2 社會化媒體語料中挖掘類序列規則
6.3.3 社會化媒體語料的情感分類
6.4 社會化媒體文本多級情感分析的實例
6.4.1 實驗設置
6.4.2 實驗結果分析
第7章 社會化媒體信息網絡
7.1 復雜網絡
7.1.1 復雜網絡的拓撲參數
7.1.2 復雜網絡的拓撲特性
7.2 情感詞共現網絡
7.2.1 情感詞共現網絡的構建
7.2.2 情感詞共現網絡的拓撲結構
7.3 媒體信息傳播網絡
7.3.1 媒體信息傳播網絡的構建
7.3.2 媒體信息傳播網絡的拓撲結構
7.3.3 媒體信息傳播網絡的用戶互動行為
7.4 基於拓撲勢的關鍵用戶識別
7.4.1 節點重要度評估
7.4.2 關鍵用戶識別
7.4.3 用戶角色劃分

社會化媒體情感挖掘與信息傳播是人工智能、數據挖掘、自然語言處理、傳播學、情報學等多學科交叉研究領域之一，對網絡輿情的預警、分析、監測和管理等具有重要意義。本書繫統地介紹了社會化媒體情感挖掘與信息傳播的主要思想、理論及方法，特別是社會化媒體語料的獲取及預處理、中文新詞發現、情感傾向性分析、多級情感分類、社會化媒體信息網絡等。除緒論外，每章介紹一個主題，從實際需求或問題出發，由淺入深，闡明思想，理論結合實踐，便於讀者掌握社會化媒體情感挖掘與信息傳播理論與方法的實質，學以致用。本書可作為社會化媒體處理、情感分析、信息傳播等專業的科研人員、管理人員的參考書，也可作為高等院校相關課程的教學用書。