| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·语义的事实性与倾向性 | 第12页 |
| ·语义倾向性分析及应用 | 第12-13页 |
| ·中文语义倾向性分析研究存在的问题 | 第13-14页 |
| ·本文研究的问题及课题背景 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第二章 相关理论与技术 | 第16-30页 |
| ·相关工作 | 第16-19页 |
| ·词汇倾向性分析的相关研究 | 第16-17页 |
| ·句子倾向性分析的相关研究 | 第17-18页 |
| ·篇章倾向性分析的相关研究 | 第18-19页 |
| ·自然语言处理技术 | 第19-24页 |
| ·词法分析技术 | 第20-22页 |
| ·句法分析技术 | 第22页 |
| ·语义分析技术 | 第22-24页 |
| ·文本挖掘技术 | 第24-28页 |
| ·文本挖掘过程 | 第24页 |
| ·特征选择 | 第24-26页 |
| ·自动文本分类 | 第26-28页 |
| ·本体技术 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 动态任务分配的并行评论获取 | 第30-42页 |
| ·问题提出 | 第30-31页 |
| ·网络评论特点分析 | 第31页 |
| ·网络评论内容抽取 | 第31-33页 |
| ·评论并行获取研究 | 第33-37页 |
| ·网络蜘蛛的工作原理 | 第33-34页 |
| ·并行网络蜘蛛框架 | 第34-36页 |
| ·基于动态任务分配的并行模型 | 第36-37页 |
| ·基于动态任务分配并行评论爬取系统在豆瓣网上的实现 | 第37-40页 |
| ·基于ORACLE和豆瓣网的实现 | 第37-39页 |
| ·动态任务分配模型总结 | 第39-40页 |
| ·本章小节 | 第40-42页 |
| 第四章 基于属性加权的倾向性分类算法 | 第42-54页 |
| ·问题提出 | 第42-43页 |
| ·语义分析中的理性主义和经验主义 | 第42-43页 |
| ·统计方法和规则方法的融合 | 第43页 |
| ·基于HowNet的情感词典构建 | 第43-47页 |
| ·关于HowNet | 第43-45页 |
| ·基于HowNet的词汇相似度计算 | 第45-46页 |
| ·情感词典的构建 | 第46-47页 |
| ·统计学习分类算法 | 第47-51页 |
| ·朴素贝叶斯分类器 | 第47-49页 |
| ·评分算法 | 第49-51页 |
| ·统计学习分类算法分析 | 第51页 |
| ·基于属性加权的统计学习分类算法 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 实验结果及分析 | 第54-64页 |
| ·数据来源 | 第54-55页 |
| ·实验的设计与实现 | 第55-58页 |
| ·系统流程图及模块介绍 | 第55-57页 |
| ·关键算法 | 第57-58页 |
| ·实验结果及分析 | 第58-62页 |
| ·基于属性加权的朴素贝叶斯分类器 | 第58-60页 |
| ·基于特征加权的评分算法 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结 | 第64-66页 |
| ·本文工作总结 | 第64-65页 |
| ·进一步的研究工作 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻硕期间发表的论文及参加的项目 | 第71页 |