面向中文产品评论数据的情感分析模型设计及评估
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本课题的研究工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 相关基础知识 | 第18-36页 |
| 2.1 产品评论数据 | 第18-19页 |
| 2.2 数据预处理 | 第19-25页 |
| 2.2.1 数据清洗 | 第19-20页 |
| 2.2.2 数据标注及准备 | 第20-22页 |
| 2.2.3 中文分词 | 第22-25页 |
| 2.3 特征提取 | 第25-27页 |
| 2.3.1 DF | 第25页 |
| 2.3.2 CHI | 第25-26页 |
| 2.3.3 IG | 第26页 |
| 2.3.4 MI | 第26-27页 |
| 2.4 特征权重计算 | 第27-28页 |
| 2.4.1 BW | 第27-28页 |
| 2.4.2 TF | 第28页 |
| 2.4.3 TF-IDF | 第28页 |
| 2.5 向量空间模型 | 第28-29页 |
| 2.6 支持向量机 | 第29-32页 |
| 2.6.1 算法原理 | 第29-32页 |
| 2.6.2 实现工具 | 第32页 |
| 2.7 聚类算法 | 第32-35页 |
| 2.7.1 算法原理 | 第33-34页 |
| 2.7.2 实现工具 | 第34-35页 |
| 2.8 本章小结 | 第35-36页 |
| 第三章 融合情感词典的基于机器学习的情感分类 | 第36-47页 |
| 3.1 针对产品评论数据的情感分类模型 | 第36-38页 |
| 3.2 融合情感词典的权重计算 | 第38-41页 |
| 3.2.1 情感词典的构建 | 第39-40页 |
| 3.2.2 改进的权重计算公式C-TF-IDF | 第40-41页 |
| 3.3 情感分类策略 | 第41页 |
| 3.4 情感分类效果评估 | 第41-46页 |
| 3.4.1 评估指标 | 第42页 |
| 3.4.2 实验结果及分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于规则匹配的突出问题点挖掘 | 第47-53页 |
| 4.1 基于规则匹配的问题点定位 | 第47-50页 |
| 4.2 基于文本聚类的突出问题点挖掘 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 论文主要工作总结 | 第53-54页 |
| 5.2 对未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60页 |
