3需求分析与总体设计

3。1界面分析

21世纪计算机已经达到飞速发展的时代，古老的dos系统已经不能满足用户对软件操作的简单、便利的要求，因此界面采用可以鼠标操作的GUI图形界面，主要采用Qt的GUI框架，整体界面设计采用Qt design为设计实施方案，简单易用，同时将开源库QCustomplot作为绘制二维图的方法，写入到Qt design中，作为我们使用的控件类，设计界面的可以像其他控件一样使用，直接拖拉到页面中，界面主要实现打开文件按钮、打开待分词新闻文本并分词按钮、分析文件按钮、绘制二维图形控件、保存并退出界面按钮以及路径和标签显示等。

3。2功能分析

(1) 分词：本文采用以Trie中的前缀树作为我分词系统的主要数据结构，利用最大向前匹配的方法，达到分词的目的，提高情感分析的效率和准确性。

(2) 数据存储:我们的分词结果必须进行存储，因为是采用一维数组的方法，开辟内存空间，存储我们的分词结果，同时开辟二维数组，存储情感词典的积极和消极词典数据。

(3) 情感判读：利用朴素贝叶斯算法，判读新闻情感词的比例，到达情感判断的目的。

(4) 结果呈现：利用Qcustomplot，将分词的结果利用二维图表示，积极的情感词和消极的情感词分别占有的比例，达到绘制一篇文章的情感倾向目的。

(5) 窗口的关闭、保存成果图、以及删除分词结果：整体窗口我们将GUI框架下的窗口关闭功能给禁用，同时我采用Qt中携带的截图类，对分析的结果进行保存，保存完后，为了防止不断的分词产生的分词结果比较多，占用大量的空间，我们当保存完毕后，删除分词结果并退出窗口。

3。3 Sentiment analysis程序逻辑层设计

3。3。1分词逻辑层设计

图3-1 分词AC自动机

3。3。2分词逻辑说明

目前计算机中采用的数据结构主要有：二叉树、B树、自平衡二叉查找树、空间划分树、Trie树、非二查树等，我们分词技术采用的是Trie树，又称单词查找树或者字典树，是实现字典树的关键性数据结构首先我需要构建Trie树。

1。构建Trie树：

首先我们的构建字符串的结构体头H，我们将分词词典的首字符串赋值给H，并以H为作为头指针，指向当前的分词词典的首字符串，一旦这个指针是空指针，则表明此指针指向root，即根节点，说明词典为空。支持H!=NULL,通过for循环指向读取词典中的单词，并改变H指针，指向下一级指针，以达到存储同节点单词不一样的指针。当我们的得首指针的字符串的值发生改变时，则跳转到下一级指针，同理进行存储。

2。最大向前匹配算法：

我们的分词词典存储完毕，则当我们加载新闻文本的时候，则会进行字符串匹配，如说我们的新闻文本有“哀兵”，则以哀节点，一直向前匹配，直到找到单词“哀兵”，则字符串匹配成功，并进行分词分行。

3。3。3新闻分词

A:分词词典的构建:我们从相关网站获取中文相关词典，此词典是采用人工写入的中文汉字词典，词典构建以拼音的形式构建：a，b……。并做了词数的统计。

分词词典部分展示如下：分词词典文献综述

3。3。4加载数据

数据加载分为：自定义情感词典的加载和新闻文本的加载

不管是情感词典还是新闻文本我们都采用数组的形式加载，首先我们将分词结果加载到数组，New_sentimen、Post_list，其中情感词典采用的二维数组，即将我们的积极的词放在第一列，我们的消极词放在第二列。