中文商品评论的文本情感分析技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第2章 文本情感分类关键技术概述 | 第19-32页 |
| 2.1 情感分类流程 | 第19页 |
| 2.2 中文评论的获取 | 第19-22页 |
| 2.2.1 网络爬虫 | 第20-21页 |
| 2.2.2 网页信息提取 | 第21-22页 |
| 2.3 文本预处理 | 第22-24页 |
| 2.3.1 中文分词 | 第22-23页 |
| 2.3.2 停用词处理 | 第23-24页 |
| 2.4 文本表示 | 第24-25页 |
| 2.5 特征选择及权重计算 | 第25-28页 |
| 2.6 文本分类算法 | 第28-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于情感词典的商品评论情感分析 | 第32-40页 |
| 3.1 情感词典有关介绍 | 第32-33页 |
| 3.2 SO-PMI扩建情感词典 | 第33-36页 |
| 3.2.1 SO-PMI算法 | 第33-35页 |
| 3.2.2 情感词的扩充 | 第35-36页 |
| 3.3 商品评论情感分析 | 第36-38页 |
| 3.3.1 提取情感词 | 第37页 |
| 3.3.2 否定词分析 | 第37页 |
| 3.3.3 程度副词分析 | 第37-38页 |
| 3.3.4 感叹句分析 | 第38页 |
| 3.4 情感倾向加权计算 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于机器学习的商品评论情感分析 | 第40-47页 |
| 4.1 基于朴素贝叶斯分类的主观句识别 | 第40-41页 |
| 4.2 商品评论信息情感倾向分类 | 第41-46页 |
| 4.2.1 情感分类模型特征选择 | 第42-44页 |
| 4.2.2 贝叶斯分类模型实现 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 实验结果与分析 | 第47-54页 |
| 5.1 实验数据集 | 第47-48页 |
| 5.2 商品评论情感分析评价指标 | 第48-49页 |
| 5.3 基于情感词典的商品评论情感分析实验 | 第49-51页 |
| 5.4 基于NB的商品评论情感分析实验 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
