电商商品评价情感分析系统研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题来源 | 第13页 |
| 1.2 课题研究背景与意义 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 国外研究现状及发展动态 | 第15-16页 |
| 1.3.2 国内研究现状及发展动态 | 第16-17页 |
| 1.4 研究内容及创新点 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 1.6 本章小结 | 第19-21页 |
| 第2章 情感分析相关技术介绍 | 第21-29页 |
| 2.1 情感分析的定义 | 第21-22页 |
| 2.2 情感分析的流程和阶段 | 第22-27页 |
| 2.2.1 语料阶段 | 第22-23页 |
| 2.2.2 数据预处理阶段 | 第23-25页 |
| 2.2.3 特征标注阶段 | 第25-26页 |
| 2.2.4 特征选择阶段 | 第26页 |
| 2.2.5 情感分类阶段 | 第26-27页 |
| 2.3 情感分类评价指标 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 改进的中文分词方法 | 第29-37页 |
| 3.1 中文分词的必要性 | 第29页 |
| 3.2 中文分词的研究现状 | 第29-30页 |
| 3.3 常用的分词方法 | 第30-32页 |
| 3.3.1 基于词典的分词方法 | 第30-31页 |
| 3.3.2 基于理解的分词方法 | 第31页 |
| 3.3.3 基于统计的分词方法 | 第31-32页 |
| 3.4 CRF模型简介 | 第32-33页 |
| 3.4.1 CRF模型概述 | 第32-33页 |
| 3.5 利用CRF进行分词 | 第33-35页 |
| 3.5.1 标记选择 | 第33-34页 |
| 3.5.2 特征模板的选择 | 第34-35页 |
| 3.6 基于字典树的逆向最大匹配算法 | 第35页 |
| 3.7 实验结果及分析 | 第35-36页 |
| 3.8 本章小结 | 第36-37页 |
| 第4章 特征选择算法及其优化 | 第37-45页 |
| 4.1 文本特征选择概述 | 第37页 |
| 4.1.1 向量空间模型 | 第37页 |
| 4.2 常用的特征选择算法 | 第37-41页 |
| 4.2.1 特征增强 | 第38页 |
| 4.2.2 χ~2统计 | 第38-39页 |
| 4.2.3 文档频率 | 第39页 |
| 4.2.4 互信息 | 第39-40页 |
| 4.2.5 信息增益 | 第40-41页 |
| 4.3 信息增益算法的改进 | 第41-42页 |
| 4.4 特征项的权值计算 | 第42页 |
| 4.5 本章小结 | 第42-45页 |
| 第5章 情感倾向性分析实验和结果分析 | 第45-55页 |
| 5.1 常用的文本分类算法 | 第45-49页 |
| 5.1.1 K-近邻 | 第45页 |
| 5.1.2 朴素贝叶斯分类器 | 第45-47页 |
| 5.1.3 支持向量机 | 第47-49页 |
| 5.2 实验设置及结果分析 | 第49-54页 |
| 5.2.1 实验数据 | 第49-50页 |
| 5.2.2 实验工具和环境 | 第50页 |
| 5.2.3 实验流程 | 第50-51页 |
| 5.2.4 实验评价标准 | 第51-52页 |
| 5.2.5 实验结果分析 | 第52-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 研究前景展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间参与的科研项目与发表的论文 | 第63-65页 |
| 致谢 | 第65页 |
