社会化媒体情感挖掘与信息传播是人工智能、数据挖掘、自然语言处理、传播学、情报学等多学科交叉研究领域之一，对网络舆情的预警、分析、监测和管理等具有重要意义。本书系统地介绍了社会化媒体情感挖掘与信息传播的主要思想、理论及方法，特别是社会化媒体语料的获取及预处理、中文新词发现、情感倾向性分析、多级情感分类、社会化媒体信息网络等。除绪论外，每章介绍一个主题，从实际需求或问题出发，由浅入深，阐明思想，理论结合实践，便于读者掌握社会化媒体情感挖掘与信息传播理论与方法的实质，学以致用。 本书可作为社会化媒体处理、情感分析、信息传播等专业的科研人员、管理人员的参考书，也可作为高等院校相关课程的教学用书。

第1章 绪论
1.1 社会化媒体的客观信息挖掘
1.1.1 社会网络分析
1.1.2 社会化媒体信息传播
1.2 社会化媒体的主观信息挖掘
1.2.1 社会化媒体情感挖掘
1.2.2 情感分析评测会议
1.2.3 语料库资源
1.3 社会化媒体的应用研究
第2章 社会化媒体语料的获取及预处理
2.1 语料的自动获取
2.1.1 基于网络爬虫的半结构化语料自动获取
2.1.2 基于Web API的半结构化语料自动获取方法
2.1.3 基于模拟浏览器的语料自动获取方法
2.2 语料预处理
2.3 情感词典
2.3.1 基础词典
2.3.2 修饰词典
2.3.3 情感词典的自动构建
2.4 中文分词
2.4.1 中文分词方法
2.4.2 中文分词工具
2.4.3 中文分词研究的基本问题
2.5 句法分析
2.5.1 句法分析语法体系
2.5.2 句法分析方法
2.5.3 中文句法分析工具
第3章 中文新词发现
3.1 中文新词
3.1.1 新词的定义与特点
3.1.2 新词的构词特性
3.2 中文新词发现技术
3.2.1 新词发现的难点
3.2.2 候选新词提取
3.2.3 垃圾字串过滤
3.2.4 评价指标
3.3 基于迭代的新词发现算法
3.3.1 重复模式抽取
3.3.2 重复模式统计特征计算
3.3.3 基于迭代的新词发现的实例
3.4 基于N-Gram的新词发现算法
3.4.1 候选词抽取
3.4.2 算法思路
3.4.3 基于N-Gram的新词发现的实例
第4章 词语级情感倾向性分析
4.1 候选情感词提取
4.1.1 基准种子词的选取
4.1.2 词语相似度计算
4.1.3 候选词的抽取及过滤
4.2 词语情感强度计算
4.2.1 基于词典的词语情感强度计算
4.2.2 基于统计的词语情感强度计算
4.3 评价指标
4.4 融合HowNet和PMI的情感倾向性计算
4.4.1 算法思想
4.4.2 融合HowNet和PMI的词语情感倾向性分析的实例
第5章 句子/篇章级情感倾向性分析
5.1 情感倾向性分析算法
5.1.1 基于情感词典和规则的情感倾向性分析
5.1.2 基于机器学习的情感倾向性分析
5.2 基于词典和规则的情感倾向性分析
5.2.1 基于基础情感词典的情感倾向性分析
5.2.2 基于规则和多部情感词典的情感倾向性分析
5.3 基于句法和规则集的情感倾向性分析
5.3.1 句型和句间关系规则
5.3.2 程度修饰和否定修饰规则
5.3.3 文本情感值计算
5.4 句子级/篇章级情感倾向性分析的实例
5.4.1 实验设置
5.4.2 实验结果分析
第6章 社会化媒体文本的多级情感分析
6.1 基于情感词典和规则的多级情感分析
6.2 基于机器学习的多级情感分析
6.2.1 特征选择
6.2.2 情感分类模型
6.3 融合类序列规则和机器学习的多级情感分析
6.3.1 关联规则
6.3.2 社会化媒体语料中挖掘类序列规则
6.3.3 社会化媒体语料的情感分类
6.4 社会化媒体文本多级情感分析的实例
6.4.1 实验设置
6.4.2 实验结果分析
第7章 社会化媒体信息网络
7.1 复杂网络
7.1.1 复杂网络的拓扑参数
7.1.2 复杂网络的拓扑特性
7.2 情感词共现网络
7.2.1 情感词共现网络的构建
7.2.2 情感词共现网络的拓扑结构
7.3 媒体信息传播网络
7.3.1 媒体信息传播网络的构建
7.3.2 媒体信息传播网络的拓扑结构
7.3.3 媒体信息传播网络的用户互动行为
7.4 基于拓扑势的关键用户识别
7.4.1 节点重要度评估
7.4.2 关键用户识别
7.4.3 用户角色划分