| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·产品特征抽取研究现状 | 第10-11页 |
| ·文本倾向性识别研究现状 | 第11-12页 |
| ·观点挖掘系统研究现状 | 第12-13页 |
| ·研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 观点挖掘相关基础工作 | 第15-25页 |
| ·观点挖掘介绍 | 第15-17页 |
| ·观点挖掘的任务 | 第15-16页 |
| ·观点挖掘框架 | 第16-17页 |
| ·文本表示模型 | 第17-19页 |
| ·概率模型 | 第18页 |
| ·布尔模型 | 第18页 |
| ·向量空间模型 | 第18-19页 |
| ·观点分类技术 | 第19-21页 |
| ·支持向量机 | 第19-20页 |
| ·朴素贝叶斯 | 第20-21页 |
| ·KNN算法 | 第21页 |
| ·语料集的处理 | 第21-24页 |
| ·产品评论集的获取 | 第21-22页 |
| ·句法分析器 | 第22-24页 |
| ·分类性能评价标准 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于BootStrapping的产品特征提取 | 第25-33页 |
| ·弱监督学习方法 | 第25-26页 |
| ·基于BootStrapping的产品特征获取 | 第26-29页 |
| ·种子特征选取 | 第27页 |
| ·文本模式抽取及评估 | 第27-28页 |
| ·候选产品特征提取 | 第28-29页 |
| ·更新产品特征种子集合 | 第29页 |
| ·产品特征过滤 | 第29-30页 |
| ·相似特征词汇过滤 | 第29-30页 |
| ·产品特征短语发现 | 第30页 |
| ·实验及分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于情感描述项的文本倾向性分析 | 第33-45页 |
| ·情感描述项的描述及识别 | 第33-35页 |
| ·情感描述项的定义 | 第33-34页 |
| ·情感描述项识别算法 | 第34-35页 |
| ·情感描述项的修剪 | 第35页 |
| ·不同粒度的文本倾向性识别 | 第35-39页 |
| ·文本倾向性识别问题描述 | 第35-37页 |
| ·互信息特征表示方法的分析与改进 | 第37-38页 |
| ·文本整体倾向性判断 | 第38页 |
| ·特征词汇对应的意见词倾向性判断 | 第38-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·情感描述项识别算法识别结果及分析 | 第39-40页 |
| ·文本整体倾向性识别结果及分析 | 第40-42页 |
| ·本章小结 | 第42-45页 |
| 第五章 产品评论观点挖掘系统的设计与实现 | 第45-55页 |
| ·系统整体设计 | 第45-46页 |
| ·开发环境 | 第46-47页 |
| ·产品评论内容获取及预处理 | 第47-50页 |
| ·网络爬虫 | 第47-48页 |
| ·产品评论预处理 | 第48-50页 |
| ·产品特征词汇的抽取 | 第50-51页 |
| ·优秀文本模式的发现 | 第50-51页 |
| ·文本模式识别产品特征词汇 | 第51页 |
| ·评论极性分类 | 第51-52页 |
| ·情感描述项抽取模块 | 第51-52页 |
| ·评论极性分类模块 | 第52页 |
| ·挖掘结果展示 | 第52-54页 |
| ·产品特征及其意见词的展示 | 第53页 |
| ·产品评论倾向性展示 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 总结 | 第55-56页 |
| 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间取得的学术成果 | 第63-65页 |
| 致谢 | 第65页 |