基于汽车领域的中文微博意见挖掘研究
| 附件 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 目录 | 第10-13页 |
| 图录 | 第13-14页 |
| 表录 | 第14-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 相关研究 | 第16-19页 |
| 1.3 本文工作 | 第19-22页 |
| 1.3.1 工作动机 | 第19页 |
| 1.3.2 难点描述 | 第19-21页 |
| 1.3.3 本文贡献 | 第21-22页 |
| 1.4 论文结构 | 第22-23页 |
| 第二章 意见挖掘研究 | 第23-30页 |
| 2.1 意见挖掘概念和任务 | 第23-25页 |
| 2.1.1 持有者识别 | 第23-24页 |
| 2.1.2 主题抽取 | 第24页 |
| 2.1.3 陈述定界 | 第24-25页 |
| 2.1.4 倾向性分析 | 第25页 |
| 2.2 本文微博意见研究方法 | 第25-28页 |
| 2.2.1 微博文本特点分析 | 第25-26页 |
| 2.2.2 本文意见挖掘方法 | 第26-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 基础资源和工具说明 | 第30-45页 |
| 3.1 语料 | 第30页 |
| 3.1.1 语料说明 | 第30页 |
| 3.1.2 语料预处理 | 第30页 |
| 3.2 标注 | 第30-32页 |
| 3.2.1 陈述定界标注 | 第31-32页 |
| 3.2.2 倾向性分析标注 | 第32页 |
| 3.3 本体构建 | 第32-34页 |
| 3.4 极性词典构建 | 第34-40页 |
| 3.4.1 通用领域极性词典 | 第35-38页 |
| 3.4.2 领域相关极性词典 | 第38-40页 |
| 3.5 分类算法简介 | 第40-43页 |
| 3.5.1 决策树 | 第41-42页 |
| 3.5.2 支持向量机 | 第42-43页 |
| 3.5.3 朴素贝叶斯 | 第43页 |
| 3.6 文本分析工具 | 第43页 |
| 3.7 本章小结 | 第43-45页 |
| 第四章 陈述定界 | 第45-58页 |
| 4.1 基本概念 | 第45页 |
| 4.2 相关研究 | 第45-46页 |
| 4.3 本文陈述定界方法 | 第46-52页 |
| 4.3.1 微博文本分析 | 第46-49页 |
| 4.3.2 小句研究 | 第49-51页 |
| 4.3.3 陈述定界方法 | 第51-52页 |
| 4.4 主题抽取 | 第52页 |
| 4.5 算法介绍 | 第52-54页 |
| 4.5.1 特征选择 | 第52-54页 |
| 4.6 实验、分析和讨论 | 第54-57页 |
| 4.6.1 实验数据 | 第54页 |
| 4.6.2 实验标准 | 第54页 |
| 4.6.3 实验结果和讨论 | 第54-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第五章 微博意见倾向性分析 | 第58-66页 |
| 5.1 微博倾向性相关研究 | 第58-60页 |
| 5.2 基于主题相关词的微博倾向性分析 | 第60-63页 |
| 5.2.1 主题相关词汇抽取 | 第60-61页 |
| 5.2.2 特征选择 | 第61-63页 |
| 5.2.3 分类器选择 | 第63页 |
| 5.3 实验、分析和讨论 | 第63-65页 |
| 5.3.1 实验数据 | 第63-64页 |
| 5.3.2 实验结果和讨论 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75页 |
