面向Web文本的产品意见挖掘算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·产品意见挖掘的研究现状 | 第10-13页 |
| ·Web文本的特征 | 第10页 |
| ·产品意见挖掘的理论研究 | 第10-12页 |
| ·现有的意见挖掘系统 | 第12-13页 |
| ·意见挖掘所涉及的技术及应用领域 | 第13-15页 |
| ·本文的工作及内容安排 | 第15-16页 |
| 第二章 产品属性词与情感词基本词典构建 | 第16-31页 |
| ·引言 | 第16-17页 |
| ·构建基本产品属性词典 | 第17-26页 |
| ·信息抽取的概念 | 第17-19页 |
| ·信息抽取技术 | 第19-23页 |
| ·属性词典的构建 | 第23-26页 |
| ·情感词典的构建 | 第26-29页 |
| ·提取网络情感词 | 第26-27页 |
| ·利用HowNet计算情感词的倾向性 | 第27-29页 |
| ·网络情感词典的构建 | 第29页 |
| ·小结 | 第29-31页 |
| 第三章 属性词与情感词的自动更新 | 第31-45页 |
| ·引言 | 第31-32页 |
| ·中文依存句法分析 | 第32-40页 |
| ·句法分析的统计模型 | 第32-36页 |
| ·句法分析的标注体系及其含义 | 第36-37页 |
| ·属性词的自动更新 | 第37-40页 |
| ·二部图模型 | 第40-42页 |
| ·属性词与情感词的互训练 | 第42-44页 |
| ·方案设计 | 第42-43页 |
| ·算法描述 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第四章 评价对象的倾向性分析 | 第45-54页 |
| ·引言 | 第45页 |
| ·情感词倾向性分析 | 第45-47页 |
| ·已有资源扩展生成情感倾向词典 | 第46页 |
| ·无监督机器学习的方法 | 第46页 |
| ·基于人工标注语料库的学习方法 | 第46-47页 |
| ·评价对象的倾向性评分模型 | 第47-50页 |
| ·一些相关工作 | 第47-49页 |
| ·评分模型的建立 | 第49-50页 |
| ·实验 | 第50-54页 |
| ·数据集与工具包 | 第50页 |
| ·实验结果与评测方法 | 第50-52页 |
| ·实验结果分析 | 第52-54页 |
| 第五章 跨领域探索 | 第54-56页 |
| ·命名实体识别 | 第54页 |
| ·算法探索与设计 | 第54-56页 |
| 第六章 总结 | 第56-58页 |
| ·对以前工作的总结 | 第56-57页 |
| ·对以后工作的展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
