| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 情感分析相关综述 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 论文研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-28页 |
| 2.1 网络爬虫简介 | 第16-19页 |
| 2.1.1 爬虫的遍历策略 | 第16-17页 |
| 2.1.2 分布式爬取系统框架 | 第17-19页 |
| 2.2 文本表示模型 | 第19-20页 |
| 2.2.1 布尔模型 | 第19页 |
| 2.2.2 向量空间模型 | 第19-20页 |
| 2.3 特征选择方法 | 第20-22页 |
| 2.3.1 文本频率 | 第20-21页 |
| 2.3.2 互信息 | 第21页 |
| 2.3.3 信息增益 | 第21-22页 |
| 2.3.4 卡方统计 | 第22页 |
| 2.4 文本分类方法 | 第22-27页 |
| 2.4.1 朴素贝叶斯分类 | 第22-24页 |
| 2.4.2 支持向量机 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 商品评论的情感分析方法研究 | 第28-48页 |
| 3.1 商品评论的预处理 | 第28-29页 |
| 3.2 基于商品评论的情感词典方法研究 | 第29-41页 |
| 3.2.1 情感词典的构建 | 第29-33页 |
| 3.2.2 基于商品评论的情感词典的扩展 | 第33-41页 |
| 3.3 基于商品评论的特征选择方法研究 | 第41-46页 |
| 3.3.1 常用的特征权重方法 | 第42-43页 |
| 3.3.2 基于词频和权重的信息增益(IG)的特征选择 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 实验与分析 | 第48-56页 |
| 4.1 实验环境与数据集 | 第48-49页 |
| 4.2 评测指标 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-55页 |
| 4.3.1 传统情感词典与扩展后的情感词典的实验分析与对比 | 第50-53页 |
| 4.3.2 传统特征选择方法与本论文提出的特征选择方法的实验分析与对比 | 第53-54页 |
| 4.3.3 基于情感词典的情感分析与基于文本分类技术的情感分析比较 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
