本書總結作者在社交媒體中非語言成分的自動分析與處理相關的研究成果。首先系統(tǒng)介紹了社交媒體中非語言成分的理論基礎、非語言分類及研究現(xiàn)狀，然后對社交媒體中兩類常見非語言成分表情符和非規(guī)范拼寫進行了系統(tǒng)的研究。對于表情符，本書提出表情符與文本是交互、共同完成社交媒體信息的表達，提出基于LSTM-NN的聯(lián)合結構的交互預測模型，面向表情符注意力機制的微博情感分析模型，及基于Bi-LSTM-CRF的表情符情感誘因抽取與情感識別聯(lián)合模型。在非規(guī)范化拼寫方向，本書針對中文微博文本規(guī)范化任務中所面臨的關鍵問題，圍繞非規(guī)范詞識別、非規(guī)范詞典構建及規(guī)范化應用等方面進行了探索和研究。