网络在线评论文本挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 情感倾向性分析国内外研究现状 | 第11-12页 |
| 1.2.2 主题模型国内外研究现状 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第2章 文本挖掘相关理论知识 | 第14-23页 |
| 2.1 中文文本分词 | 第14-16页 |
| 2.2 文本表示 | 第16-18页 |
| 2.2.1 向量空间模型 | 第16-18页 |
| 2.3 语义分析 | 第18页 |
| 2.4 主题模型 | 第18-21页 |
| 2.4.1 LDA主题模型 | 第19-20页 |
| 2.4.2 LDA主题模型参数估计 | 第20-21页 |
| 2.5 情感倾向性分析 | 第21-23页 |
| 2.5.1 基于机器学习算法的情感倾向性分析 | 第21-22页 |
| 2.5.2 基于情感词典的情感倾向性分析 | 第22-23页 |
| 第3章 数据预处理与基础文本挖掘 | 第23-32页 |
| 3.1 数据的选取及采集 | 第23-25页 |
| 3.1.1 数据的选取 | 第23页 |
| 3.1.2 数据的采集及处理 | 第23-24页 |
| 3.1.3 数据的统计性分析 | 第24-25页 |
| 3.2 中文分词 | 第25-26页 |
| 3.2.1 构建自定义词典 | 第26页 |
| 3.3 词频统计及相关性度量 | 第26-30页 |
| 3.3.1 去停用词 | 第27页 |
| 3.3.2 高频词提取 | 第27-28页 |
| 3.3.3 相关性度量 | 第28-30页 |
| 3.4 语义网络分析 | 第30-32页 |
| 第4章 文本挖掘建模分析 | 第32-45页 |
| 4.1 主题模型及可视化 | 第32-37页 |
| 4.1.1 主题数目确定 | 第32-33页 |
| 4.1.2 主题建模及主题词提取 | 第33-36页 |
| 4.1.3 主题文档分类及可视化 | 第36-37页 |
| 4.2 情感倾向性分析 | 第37-40页 |
| 4.2.1 情感词典的构建 | 第38页 |
| 4.2.2 情感得分的计算 | 第38-39页 |
| 4.2.3 情感倾向性结果分析 | 第39-40页 |
| 4.3 情感倾向性分析与主题模型 | 第40-45页 |
| 4.3.1 负面情感的主题提取 | 第41-42页 |
| 4.3.2 正面情感的主题提取 | 第42-45页 |
| 第5章 总结 | 第45-48页 |
| 5.1 参考和建议 | 第45-46页 |
| 5.2 本文文本挖掘工作 | 第46-47页 |
| 5.3 不足与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录A 数据采集过程 | 第51-53页 |
| 附录B R代码 | 第53-69页 |
| 致谢 | 第69页 |
