基于在线评论的细粒度情感分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的背景及意义 | 第10-13页 |
| 1.1.1 在线评论情感评价的研究背景 | 第10-12页 |
| 1.1.2 在线评论情感评价的研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 文本挖掘的研究现状 | 第13-14页 |
| 1.2.2 情感分析的研究现状 | 第14-16页 |
| 1.3 研究内容及方案 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 相关理论与技术 | 第18-30页 |
| 2.1 在线评论情感倾向分析 | 第18-21页 |
| 2.1.1 粗粒度情感倾向分析 | 第18-19页 |
| 2.1.2 细粒度情感倾向分析 | 第19-21页 |
| 2.1.3 情感倾向分析的注意点 | 第21页 |
| 2.2 文本特征选择和分类算法 | 第21-29页 |
| 2.2.1 文本特征选择 | 第22-23页 |
| 2.2.2 文本分类算法 | 第23-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 商品在线评论有用性筛选 | 第30-47页 |
| 3.1 在线评论的获取 | 第30-34页 |
| 3.1.1 数据采集器介绍 | 第30-32页 |
| 3.1.2 评论数据的采集 | 第32-34页 |
| 3.2 在线评论的预处理 | 第34-38页 |
| 3.2.1 评论数据的分句 | 第34-35页 |
| 3.2.2 评论数据的分词 | 第35-38页 |
| 3.3 有用性评论数据的识别 | 第38-41页 |
| 3.3.1 有用评论筛选的基本思想 | 第38-39页 |
| 3.3.2 有用性评论识别过程设计 | 第39-41页 |
| 3.4 实验与分析 | 第41-46页 |
| 3.4.1 实验数据与测评指标 | 第41-43页 |
| 3.4.2 实验结果分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 细粒度级别特征观点对抽取算法 | 第47-65页 |
| 4.1 提取特征观点对的原因 | 第47页 |
| 4.2 依存句法分析 | 第47-48页 |
| 4.2.1 依存句法的概念 | 第47-48页 |
| 4.2.2 依存句法的研究现状 | 第48页 |
| 4.3 基于依存句法的混合特征观点对提取算法 | 第48-59页 |
| 4.3.1 基于组块的高频特征词的抽取 | 第48-52页 |
| 4.3.2 特征观点对抽取算法DPBHM | 第52-59页 |
| 4.4 实验与分析 | 第59-64页 |
| 4.4.1 实验数据与评价指标 | 第59页 |
| 4.4.2 实验结果分析 | 第59-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 在线评论细粒度情感倾向性分析 | 第65-78页 |
| 5.1 基于《知网》情感词典的构建 | 第65-68页 |
| 5.1.1 《知网》 | 第65页 |
| 5.1.2 相关情感词典的构建 | 第65-68页 |
| 5.2 基于《知网》的情感倾向性分析 | 第68-71页 |
| 5.3 细粒度级别情感倾向性分析 | 第71-77页 |
| 5.3.1 实验数据 | 第71-73页 |
| 5.3.2 实验结果分析 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第6章总结与展望 | 第78-80页 |
| 6.1 总结 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-86页 |
| 攻读学位期间公开发表论文 | 第86-87页 |
| 致谢 | 第87页 |
