文本情感倾向分类方法在评论有用性分析中的实现与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 文本分类与情感倾向的相关理论 | 第18-29页 |
| 2.1 文本分类 | 第18-19页 |
| 2.1.1 文本分类的概念 | 第18页 |
| 2.1.2 文本分类的方法 | 第18-19页 |
| 2.1.3 文本分类的性能评估 | 第19页 |
| 2.2 基于情感倾向的文本分类 | 第19-21页 |
| 2.2.1 文本情感分类的特点 | 第19-20页 |
| 2.2.2 文本情感分类的过程 | 第20-21页 |
| 2.3 特征词的情感倾向判定 | 第21-26页 |
| 2.3.1 PMI 分类方法 | 第21-23页 |
| 2.3.2 潜在语义分析分类方法 | 第23页 |
| 2.3.3 词网中的语义距离方法 | 第23-26页 |
| 2.3.4 LingPipe 分类方法 | 第26页 |
| 2.4 电子商务中评论的有用性 | 第26-28页 |
| 2.4.1 客户认知 | 第26-27页 |
| 2.4.2 情感倾向对有用性的影响 | 第27-28页 |
| 2.4.3 有用性关联因素的数学表示 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于情感倾向的文本分类方法的设计 | 第29-37页 |
| 3.1 总体框架的设计 | 第29-30页 |
| 3.1.1 样本集合 | 第29-30页 |
| 3.1.2 分类策略 | 第30页 |
| 3.1.3 有用性分析 | 第30页 |
| 3.2 样本集合的设计 | 第30-31页 |
| 3.2.1 规范化样本集的特点 | 第30页 |
| 3.2.2 规范化样本集的架构 | 第30-31页 |
| 3.3 分类策略的设计 | 第31-34页 |
| 3.3.1 基于机器学习的分类策略 | 第32-33页 |
| 3.3.2 基于语义关联的分类策略 | 第33页 |
| 3.3.3 两种分类策略的比较 | 第33-34页 |
| 3.4 有用性分析的设计 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 文本情感倾向分类及有用性判定的实现 | 第37-51页 |
| 4.1 文本情感倾向分类的实现 | 第37-48页 |
| 4.1.1 规范化样本集的构建 | 第37-41页 |
| 4.1.2 分类器的构建与训练 | 第41-42页 |
| 4.1.3 文本特征的情感判定策略 | 第42-48页 |
| 4.2 有用性判定的实现 | 第48-50页 |
| 4.2.1 有用性的判别原理 | 第48-49页 |
| 4.2.2 模型的选择与改进 | 第49-50页 |
| 4.2.3 模型的实现 | 第50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 验证与分析 | 第51-58页 |
| 5.1 实验概述 | 第51-52页 |
| 5.2 实验步骤 | 第52-54页 |
| 5.2.1 获取实验数据 | 第52-53页 |
| 5.2.2 建立训练样本 | 第53页 |
| 5.2.3 样本训练和分类器评估 | 第53-54页 |
| 5.2.4 测试集情感倾向值的计算 | 第54页 |
| 5.2.5 有用性判定 | 第54页 |
| 5.3 结果与分析 | 第54-57页 |
| 5.4 实验结论 | 第57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 结束语 | 第58-60页 |
| 6.1 主要结论 | 第58页 |
| 6.2 前景展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间已发表或录用的论文 | 第64-66页 |
