| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 第一节 研究背景以及研究意义 | 第9-10页 |
| 第二节 文献综述 | 第10-15页 |
| 一、国外研究成果 | 第10-12页 |
| 二、国内研究成果 | 第12-15页 |
| 第二章 文本挖掘的主要方法介绍 | 第15-23页 |
| 第一节 情感分析相关介绍 | 第15-20页 |
| 一、基于情感词典的分析方法 | 第16-19页 |
| 二、基于机器学习的分析方法 | 第19-20页 |
| 第二节 LDA主题模型简介 | 第20-23页 |
| 第三章 豆瓣网站评论文本信息的获取 | 第23-29页 |
| 第一节 豆瓣网站评论文本相关概念介绍 | 第23-25页 |
| 一、豆瓣网站 | 第23-24页 |
| 二、豆瓣网站评论文本的选取 | 第24-25页 |
| 第二节 文本评论信息的确定 | 第25页 |
| 第三节 文本信息的获取——基于PYTHON网络爬虫技术 | 第25-29页 |
| 第四章 基于情感词典方法的分析 | 第29-37页 |
| 第一节 情感词库的构建 | 第29-30页 |
| 第二节 文本数据预处理 | 第30-34页 |
| 一、数据清洗 | 第30-31页 |
| 二、对文本进行分词和停用词剔除 | 第31-33页 |
| 三、文本的词性标注 | 第33-34页 |
| 第三节 计算各类情感得分 | 第34-37页 |
| 第五章 基于LDA模型的电影主题提取 | 第37-46页 |
| 第一节 词频统计 | 第37-38页 |
| 第二节 基于LDA主题模型的电影类主题提取 | 第38-46页 |
| 第六章 总结与改进 | 第46-48页 |
| 第一节 本文工作总结 | 第46-47页 |
| 第二节 未来工作改进 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52-60页 |
| 致谢 | 第60-62页 |
| 在读期间的研究成果 | 第62-63页 |