中文网络评论的情感倾向性分析研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 中文情感倾向性分析相关问题 | 第10-12页 |
| 1.4 研究内容及创新点 | 第12-13页 |
| 1.5 论文结构 | 第13-15页 |
| 第二章 中文网络评论预处理过程分析 | 第15-21页 |
| 2.1 中文网络评论文本特点 | 第15-16页 |
| 2.1.1 中文网络评论分词前的预处理 | 第15-16页 |
| 2.2 中文分词 | 第16-19页 |
| 2.2.1 未登录词识别和停用词过滤 | 第18-19页 |
| 2.3 基于领域特性构建情感词典 | 第19-20页 |
| 2.3.1 情感词典概述 | 第19-20页 |
| 2.3.2 构建酒店评论领域情感词典 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 中文情感分类特征选择算法 | 第21-31页 |
| 3.1 文本特征选择概述 | 第21-23页 |
| 3.1.1 向量空间模型 | 第21-22页 |
| 3.1.2 特征选择概述 | 第22页 |
| 3.1.3 特征选择方法 | 第22-23页 |
| 3.2 文档频率 | 第23-24页 |
| 3.2.1 文档频率的改进 | 第24页 |
| 3.3 信息增益 | 第24-26页 |
| 3.3.1 信息增益的改进 | 第26页 |
| 3.4 互信息 | 第26-28页 |
| 3.4.1 互信息的改进 | 第27-28页 |
| 3.5 特征项的权值计算 | 第28-29页 |
| 3.6 本章小结 | 第29-31页 |
| 第四章 中文情感分类实验设置和结果分析 | 第31-47页 |
| 4.1 文本分类算法 | 第31-36页 |
| 4.1.1 朴素贝叶斯算法 | 第32-33页 |
| 4.1.2 支持向量机 | 第33-36页 |
| 4.2 分类器性能评价 | 第36-38页 |
| 4.3 实验设置 | 第38-41页 |
| 4.3.1 实验数据集 | 第38页 |
| 4.3.2 分类器构建工具箱 | 第38-40页 |
| 4.3.3 实验流程 | 第40-41页 |
| 4.4 实验结果分析 | 第41-44页 |
| 4.5 本章小结 | 第44-47页 |
| 第五章 基于Spark实现文本情感分类 | 第47-59页 |
| 5.1 Spark简介 | 第47-50页 |
| 5.1.1 Spark和Hadoop | 第47-48页 |
| 5.1.2 Spark的编程模型 | 第48-50页 |
| 5.2 基于Spark实现分类算法 | 第50-56页 |
| 5.2.1 实验环境 | 第50页 |
| 5.2.2 Spark集群计算的搭建 | 第50-52页 |
| 5.2.3 Spark MLLib机器学习库 | 第52-56页 |
| 5.2.4 Spark实验结果分析 | 第56页 |
| 5.3 本章小结 | 第56-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
