面向产品评论的情感文本分类研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 研究目的 | 第11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 国外的研究现状 | 第11-12页 |
| 1.3.2 国内的研究现状 | 第12-13页 |
| 1.4 主要研究内容与章节安排 | 第13-16页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 论文章节安排 | 第14-16页 |
| 第二章 文本挖掘技术 | 第16-31页 |
| 2.1 文本分类的一般流程 | 第16-17页 |
| 2.2 预处理 | 第17-19页 |
| 2.3 文本表示 | 第19-21页 |
| 2.4 特征选择算法 | 第21-24页 |
| 2.5 特征权重算法 | 第24-25页 |
| 2.6 分类算法 | 第25-29页 |
| 2.7 性能评估 | 第29-30页 |
| 2.7.1 评估方法 | 第29页 |
| 2.7.2 评估指标 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 基于卡方统计的文本情感分类 | 第31-38页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于卡方统计的n-gram特征提取与约简 | 第32-35页 |
| 3.2.1 n-gram特征提取 | 第33页 |
| 3.2.2 n-gram特征冗余约简 | 第33-35页 |
| 3.3 实验与分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于评论属性的文本情感分类 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 基于词向量的相似特征提取 | 第38-42页 |
| 4.2.1 Word2vector的工作原理 | 第38-40页 |
| 4.2.2 Word2vector训练特征 | 第40-41页 |
| 4.2.3 属性词聚类抽取 | 第41-42页 |
| 4.2.4 情感词典的扩充 | 第42页 |
| 4.3 基于属性与情感词典的情感分类 | 第42-47页 |
| 4.3.1 情感词典的构建 | 第42-45页 |
| 4.3.2 属性与情感词的搭配词典抽取 | 第45-46页 |
| 4.3.3 情感句子分析 | 第46-47页 |
| 4.4 基于LDA主题模型的文本情感分类 | 第47页 |
| 4.4.1 基于LDA主题模型训练 | 第47页 |
| 4.5 实验 | 第47-52页 |
| 4.5.1 基于属性与情感词典的实验分析 | 第48-50页 |
| 4.5.2 基于LDA主题模型的实验分析 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 下一步展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-61页 |
| 附录A 图索引 | 第60页 |
| 附录B 表索引 | 第60-61页 |
| Appendix | 第61-62页 |
| Appendix A Figure Index | 第61页 |
| Appendix B Table Index | 第61-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
