| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·问题陈述 | 第10页 |
| ·本文结构 | 第10-12页 |
| 第二章 实体抽取和情感倾向判断 | 第12-23页 |
| ·自然语言处理中的命名实体抽取 | 第12-16页 |
| ·NERC的命名实体 | 第12-13页 |
| ·NERC的机器学习方法 | 第13-16页 |
| ·有监督学习 | 第13-14页 |
| ·半监督学习 | 第14-15页 |
| ·无监督学习 | 第15-16页 |
| ·领域无关的NERC | 第16页 |
| ·情感挖掘 | 第16-21页 |
| ·情感词抽取 | 第17-18页 |
| ·情感倾向性判断 | 第18-20页 |
| ·基于文本的倾向分类 | 第18-19页 |
| ·基于句子的倾向分类 | 第19-20页 |
| ·领域无关的倾向性分析 | 第20-21页 |
| ·针对产品评论中的实体识别和倾向识别 | 第21-22页 |
| ·产品品牌和型号的抽取 | 第21页 |
| ·产品子特征词的抽取 | 第21页 |
| ·评论态度词的抽取 | 第21-22页 |
| ·本章总结 | 第22-23页 |
| 第三章 总体框架描述 | 第23-30页 |
| ·术语定义 | 第23-24页 |
| ·总体框图描述 | 第24-29页 |
| ·基本假设 | 第24-25页 |
| ·系统结构描述 | 第25页 |
| ·评论语料收集 | 第25-26页 |
| ·预处理 | 第26-28页 |
| ·网页文档解析 | 第26-27页 |
| ·评论语句抽取 | 第27-28页 |
| ·中文分词和词性标注 | 第28页 |
| ·品牌和子特征抽取 | 第28-29页 |
| ·态度词抽取和情感分类 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 抽取产品品牌和子特征 | 第30-41页 |
| ·抽取策略概述 | 第30页 |
| ·PDW抽取模块 | 第30-39页 |
| ·子系统总体描述 | 第30-31页 |
| ·Word Graph的建立 | 第31-36页 |
| ·Word Graph结点的扩展 | 第31-34页 |
| ·Word Graph边的权值的计算 | 第34-36页 |
| ·候选词信用度计算 | 第36-38页 |
| ·候选词信用度计算过程概述 | 第36-37页 |
| ·信用度计算实现过程 | 第37-38页 |
| ·PDW抽取 | 第38页 |
| ·Credit Distribution算法的物理解释及跨领域讨论 | 第38-39页 |
| ·品牌词和产品子特征词的分离 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 产品评论倾向性判断 | 第41-47页 |
| ·倾向性判断策略概述 | 第41-42页 |
| ·态度词的抽取 | 第42-43页 |
| ·情感倾向性判断 | 第43-46页 |
| ·算法的选择考虑 | 第43-44页 |
| ·语境的变化 | 第43-44页 |
| ·领域无关性要求 | 第44页 |
| ·基于搜索引擎的情感倾向分类 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 实验和讨论 | 第47-54页 |
| ·产品描述词(PDW)抽取 | 第47-51页 |
| ·实验设计 | 第47-48页 |
| ·Chi Square和PMI对比 | 第48-49页 |
| ·参数敏感性分析 | 第49-50页 |
| ·Baseline对比实验 | 第50-51页 |
| ·情感倾向判断 | 第51-53页 |
| ·实验设计 | 第51-52页 |
| ·基于搜索引擎检索的倾向分类算法实验 | 第52页 |
| ·评价标准 | 第52页 |
| ·倾向性分类实验 | 第52页 |
| ·态度词抽取 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 论文总结 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-62页 |
| 定理4-1证明 | 第60-62页 |
| 致谢 | 第62-63页 |
| 作者攻读学位期间发表的学术论文目录 | 第63页 |