面向电子商务评论文本的情感分析技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状综述 | 第11-13页 |
| 1.2.1 基于情感词典的分析方法 | 第11-12页 |
| 1.2.2 基于机器学习的分析方法 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本论文的组织结构 | 第14-15页 |
| 第二章 商品评论情感分析相关研究综述 | 第15-21页 |
| 2.1 目标文本获取及预处理 | 第15页 |
| 2.2 基于情感词典的分析方法 | 第15-17页 |
| 2.3 基于机器学习的分析方法 | 第17-20页 |
| 2.3.1 特征表示 | 第17-18页 |
| 2.3.2 特征选择 | 第18-19页 |
| 2.3.3 分类算法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于情感词典的评论情感分析方法 | 第21-35页 |
| 3.1 基于情感词典的基础分析模型 | 第21-24页 |
| 3.1.1 情感词典的构建 | 第22-23页 |
| 3.1.2 情感极性值的计算 | 第23-24页 |
| 3.2 改进的基于情感词典的分析模型 | 第24-30页 |
| 3.2.1 网络词典的构建 | 第24-25页 |
| 3.2.2 领域情感词典的构建 | 第25-27页 |
| 3.2.3 句型分类 | 第27-28页 |
| 3.2.4 不同句型的情感极性值计算方法 | 第28-30页 |
| 3.3 实验与分析 | 第30-34页 |
| 3.3.1 实验指标 | 第30-31页 |
| 3.3.2 实验数据集 | 第31-32页 |
| 3.3.3 实验结果的对比与分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于机器学习的评论情感分析方法 | 第35-47页 |
| 4.1 基于机器学习的基础分析模型 | 第35-37页 |
| 4.2 基于情感词向量加权叠加的文本表示 | 第37-42页 |
| 4.2.1 word2vec模型 | 第38-39页 |
| 4.2.2 词向量的情感调整 | 第39-40页 |
| 4.2.3 文本的特征表示 | 第40-42页 |
| 4.3 实验与分析 | 第42-46页 |
| 4.3.1 实验数据集 | 第42页 |
| 4.3.2 实验结果的对比与分析 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文小结 | 第47页 |
| 5.2 未来展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |
