卷烟客户知识获取研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第11-22页 |
| 1.1 选题背景与意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 客户知识获取研究现状 | 第13-14页 |
| 1.3 情感分析研究现状 | 第14-20页 |
| 1.3.1 主客观文本的识别 | 第14-15页 |
| 1.3.2 情感词典和情感语料库 | 第15-18页 |
| 1.3.3 情感倾向性研究 | 第18-20页 |
| 1.4 本文主要研究内容 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 2. 相关理论 | 第22-29页 |
| 2.1 客户知识 | 第22-23页 |
| 2.2 文本情感分析 | 第23-24页 |
| 2.3 产品特征抽取 | 第24-26页 |
| 2.3.1 产品特征抽取的基本概念 | 第24页 |
| 2.3.2 Apriori 算法 | 第24-26页 |
| 2.4 搭配关系挖掘 | 第26-28页 |
| 2.4.1 评价搭配的基本概念 | 第26页 |
| 2.4.2 最大熵方法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3. 词典建设及评价词抽取 | 第29-33页 |
| 3.1 情感词典资源 | 第29页 |
| 3.2 情感词典建设 | 第29-30页 |
| 3.3 否定词典建设 | 第30页 |
| 3.4 程度副词词典建设 | 第30-31页 |
| 3.5 情感强度计算 | 第31-32页 |
| 3.6 评价词的抽取 | 第32页 |
| 3.7 本章小结 | 第32-33页 |
| 4. 产品特征抽取 | 第33-39页 |
| 4.1 文本预处理 | 第33-35页 |
| 4.2 基于 Apriori 算法的特征词抽取 | 第35-36页 |
| 4.2.1 特征词的抽取 | 第35页 |
| 4.2.2 特征集的过滤 | 第35-36页 |
| 4.3 实验与结论分析 | 第36-38页 |
| 4.3.1 实验过程 | 第36-38页 |
| 4.3.2 结论分析 | 第38页 |
| 4.4 本章小结 | 第38-39页 |
| 5. 匹配关系获取 | 第39-42页 |
| 5.1 基于最大熵模型的关系匹配 | 第39-41页 |
| 5.1.1 模型的构建 | 第39页 |
| 5.1.2 模型的特征选择 | 第39-40页 |
| 5.1.3 实验与结论分析 | 第40-41页 |
| 5.2 本章小结 | 第41-42页 |
| 6. 客户知识获取 | 第42-45页 |
| 6.1 客户知识 | 第42页 |
| 6.2 客户知识的获取 | 第42-44页 |
| 6.3 客户知识获取的结果 | 第44-45页 |
| 7. 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 个人简历 | 第50页 |
| 发表的学术论文 | 第50-51页 |
