| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 相关研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 用户评论特征的提取 | 第11-14页 |
| 1.2.2 用户评论的情感词提取 | 第14页 |
| 1.2.3 用户评论的情感分析 | 第14页 |
| 1.2.4 用户评论摘要的组织形式 | 第14-15页 |
| 1.3 本文研究内容和创新点 | 第15-17页 |
| 1.3.1 本文对用户评论摘要的定义 | 第15-16页 |
| 1.3.2 本文主要研究内容和创新点 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 相关理论与关键方法介绍 | 第19-27页 |
| 2.1 自然语言处理基础技术 | 第19-20页 |
| 2.1.1 中文分词 | 第19页 |
| 2.1.2 词性标注 | 第19页 |
| 2.1.3 句法分析 | 第19-20页 |
| 2.1.4 基础语法知识 | 第20页 |
| 2.2 用户评论特征与情感信息提取 | 第20-23页 |
| 2.2.1 关联规则挖掘算法 | 第20-21页 |
| 2.2.2 聚类算法 | 第21-22页 |
| 2.2.3 词激活力模型 | 第22-23页 |
| 2.3 文本情感倾向计算 | 第23-25页 |
| 2.3.1 神经网络:word2vec和递归自编码 | 第24-25页 |
| 2.3.2 情感倾向判别 | 第25页 |
| 2.4 评价指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 用户评论特征的提取 | 第27-36页 |
| 3.1 数据集预处理 | 第27页 |
| 3.2 改进的用户评论特征提取模型 | 第27-33页 |
| 3.2.1 基于中文的评论规则挖掘模型 | 第28-30页 |
| 3.2.2 隐式评论特征的提取 | 第30-32页 |
| 3.2.3 评论特征的聚类 | 第32-33页 |
| 3.3 实验设计及结果 | 第33-36页 |
| 3.3.1 实验数据描述 | 第33-34页 |
| 3.3.2 实验过程描述 | 第34页 |
| 3.3.3 实验结果 | 第34-36页 |
| 第四章 评论特征相关情感信息的提取 | 第36-40页 |
| 4.1 情感短语的定义 | 第36-38页 |
| 4.1.1 情感短语的定义 | 第37页 |
| 4.1.2 指代消解处理 | 第37-38页 |
| 4.2 基于语法规则的情感词情感短语的提取 | 第38-39页 |
| 4.2.1 匹配规则 | 第38页 |
| 4.2.2 评价标准 | 第38-39页 |
| 4.3 本章实验设计与结果分析 | 第39-40页 |
| 4.3.1 情感词提取步骤 | 第39页 |
| 4.3.2 情感短语提取结果 | 第39页 |
| 4.3.3 情感短语提取结果分析与总结 | 第39-40页 |
| 第五章 情感短语的情感倾向分析 | 第40-45页 |
| 5.1 情感分析 | 第40页 |
| 5.2 基于Word2Vector的RAE情感倾向判别模型 | 第40-43页 |
| 5.2.1 递归自编码 | 第40-42页 |
| 5.2.2 情感极性判别模型 | 第42-43页 |
| 5.3 本章实验设计与结果分析 | 第43-44页 |
| 5.4 本章小结 | 第44-45页 |
| 第六章 结构化摘要提取 | 第45-50页 |
| 6.1 传统用户评论的摘要组织形式 | 第45-46页 |
| 6.1.1 目前各大电商网站的评论摘要形式 | 第45-46页 |
| 6.1.2 传统研究的评论摘要形式 | 第46页 |
| 6.2 基于特征层次模型的评论摘要 | 第46-48页 |
| 6.3 实验结果和本章小结 | 第48页 |
| 6.4 总体摘要算法说明 | 第48-50页 |
| 6.4.1 完整摘要提取算法流程说明 | 第48-49页 |
| 6.4.2 树状结构化的摘要组织 | 第49-50页 |
| 第七章 总结和展望 | 第50-52页 |
| 7.1 本文总结 | 第50页 |
| 7.2 未来研究方向 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表论文 | 第57页 |