| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 粗粒度情感分析技术的研究现状 | 第9-10页 |
| 1.2.2 细粒度情感分析技术的研究现状 | 第10-12页 |
| 1.2.3 主题爬虫数据获取方法的研究现状 | 第12-14页 |
| 1.2.4 情感词与属性词联合识别方法的研究现状 | 第14-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 论文的章节安排 | 第16-17页 |
| 第2章 相关理论介绍 | 第17-24页 |
| 2.1 细粒度情感分析技术 | 第17-18页 |
| 2.1.1 网络评论抽取相关知识 | 第17-18页 |
| 2.1.2 分词、词性标注与去停用词 | 第18页 |
| 2.2 主题网络爬虫数据获取方法 | 第18-22页 |
| 2.2.1 工作原理与基本架构 | 第18-20页 |
| 2.2.2 爬虫策略 | 第20-21页 |
| 2.2.3 主题爬虫 | 第21-22页 |
| 2.3 情感词与属性词联合识别方法 | 第22-24页 |
| 第3章 网络评论数据获取的关键技术 | 第24-41页 |
| 3.1 主题目标网页队列的爬取方法 | 第24-30页 |
| 3.1.1 Shark-Search算法 | 第24-25页 |
| 3.1.2 PageRank算法 | 第25-27页 |
| 3.1.3 Shark-PageRank算法 | 第27页 |
| 3.1.4 实验与实验结果分析 | 第27-30页 |
| 3.2 基于Bloom Filter算法的网页去重方法 | 第30-33页 |
| 3.2.1 Bloom Filter算法概述 | 第31页 |
| 3.2.2 多维Bloom Filter网页去重方法 | 第31-32页 |
| 3.2.3 实验与实验结果分析 | 第32-33页 |
| 3.3 基于Jsoup的网页目标数据源抽取方法 | 第33-40页 |
| 3.3.1 基于DOM树的信息内容抽取 | 第34页 |
| 3.3.2 基于Jsoup的数据抽取 | 第34-37页 |
| 3.3.3 实验与实验结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 细粒度情感分析的关键技术 | 第41-59页 |
| 4.1 领域语料预处理 | 第41-42页 |
| 4.2 基于语义分析属性词与情感词联合抽取方法 | 第42-55页 |
| 4.2.1 候选属性词-情感词词对抽取方法 | 第42-47页 |
| 4.2.2 属性词与情感词的特性计算方法 | 第47-50页 |
| 4.2.3 属性词与情感词的精确抽取方法 | 第50-52页 |
| 4.2.4 实验与实验结果分析 | 第52-55页 |
| 4.3 面向属性词的细粒度情感倾向计算方法 | 第55-58页 |
| 4.3.1 情感评论单元构建 | 第55-57页 |
| 4.3.2 情感聚合与情感倾向分类计算 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 网络商品评论细粒度情感分析系统 | 第59-65页 |
| 5.1 系统需求分析 | 第59-60页 |
| 5.1.1 系统目标概述 | 第59页 |
| 5.1.2 系统功能性需求 | 第59-60页 |
| 5.1.3 系统非功能性需求 | 第60页 |
| 5.2 系统总体架构 | 第60-61页 |
| 5.2.1 系统总体架构设计 | 第60-61页 |
| 5.2.2 系统总体数据处理流程设计 | 第61页 |
| 5.3 系统主要功能模块 | 第61-64页 |
| 5.3.1 系统总体功能结构设计 | 第61-62页 |
| 5.3.2 网络评论数据获取模块 | 第62-63页 |
| 5.3.3 网络评论细粒度情感分析模块 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |