| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 显式评价对象抽取方法 | 第10-11页 |
| 1.2.2 隐式评价对象抽取方法 | 第11-12页 |
| 1.2.3 情感分析 | 第12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 1.3.1 显式评价对象与评价词抽取 | 第13页 |
| 1.3.2 隐式评价对象预测与情感极性判别的方法研究 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第2章 相关工作综述 | 第15-19页 |
| 2.1 BitermTopicModel | 第15-16页 |
| 2.2 文本向量化 | 第16页 |
| 2.3 条件随机场 | 第16-17页 |
| 2.4 深度学习框架 | 第17-18页 |
| 2.4.1 Pytorch | 第17-18页 |
| 2.4.2 Deeplearning4j | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 显式评价对象与评价词抽取模型 | 第19-31页 |
| 3.1 基于B*TM的语料级别评价对象抽取 | 第19-23页 |
| 3.1.1 具有某种特定语义依存关系的词 | 第20页 |
| 3.1.2 B*TM建模 | 第20-22页 |
| 3.1.3 参数判断 | 第22-23页 |
| 3.2 基于WeightN-BiLSTM-CRF语句级别的评价对象抽取 | 第23-28页 |
| 3.2.1 特征表示 | 第24-25页 |
| 3.2.2 BiLSTM-CRF | 第25-26页 |
| 3.2.3 融合词嵌入与词性嵌入的BiLSTM-CRF算法 | 第26-28页 |
| 3.3 实验与分析 | 第28-30页 |
| 3.3.1 评价对象抽取数据集 | 第28-29页 |
| 3.3.2 评价对象抽取评估指标 | 第29页 |
| 3.3.3 评价对象抽取实验结果分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 隐式评价对象预测与情感极性判别的方法研究 | 第31-45页 |
| 4.1 多输入的卷积神经网络 | 第31-33页 |
| 4.2 构建时间序列数据 | 第33-36页 |
| 4.3 评估指标 | 第36页 |
| 4.4 融合隐式评价内容的意见挖掘 | 第36-43页 |
| 4.4.1 隐式评价对象预测 | 第36-38页 |
| 4.4.2 隐式评价对象预测结果分析 | 第38-39页 |
| 4.4.3 情感极性判别数据集 | 第39-40页 |
| 4.4.4 情感极性判别模型训练 | 第40-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 应用系统设计 | 第45-49页 |
| 5.1 系统总体设计 | 第45页 |
| 5.2 系统功能模块 | 第45-46页 |
| 5.3 融合隐式评价内容的结果展示 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间所发表的论文 | 第55-57页 |
| 致谢 | 第57页 |
