基于语义理解的观点评论挖掘研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9-14页 |
| ·文本挖掘的研究现状 | 第9-11页 |
| ·观点评论挖掘的研究现状 | 第11-14页 |
| ·研究意义 | 第14-15页 |
| ·课题的研究内容与来源 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 2 文本挖掘在观点评论上的应用 | 第17-29页 |
| ·文本挖掘介绍 | 第17-19页 |
| ·文本分类介绍 | 第19页 |
| ·文本分类过程 | 第19-24页 |
| ·文本向量化 | 第20-22页 |
| ·分类器的训练 | 第22-23页 |
| ·分类器的测试 | 第23页 |
| ·分类结果的评价 | 第23-24页 |
| ·文本分类技术 | 第24-29页 |
| ·简单向量距离分类 | 第24-25页 |
| ·KNN分类方法 | 第25页 |
| ·朴素贝叶斯分类方法 | 第25-26页 |
| ·支持向量机分类方法 | 第26-29页 |
| 3 基于改进的文本预处理的SVM分类 | 第29-37页 |
| ·基于粗糙集属性约简的文本分类 | 第29-33页 |
| ·粗糙集理论 | 第29-30页 |
| ·分类算法设计 | 第30-32页 |
| ·实验与分析 | 第32-33页 |
| ·基于词共现概念的文本分类 | 第33-37页 |
| ·关联规则算法 | 第33页 |
| ·词共现概念模型 | 第33-34页 |
| ·分类算法的实现 | 第34-36页 |
| ·实验与分析 | 第36-37页 |
| 4 语义理解与观点评论 | 第37-48页 |
| ·语义理解 | 第37-39页 |
| ·语义理解的解释 | 第37-38页 |
| ·语义理解的研究现状 | 第38-39页 |
| ·观点评论挖掘的两个步骤 | 第39-41页 |
| ·观点抽取 | 第39-40页 |
| ·情感分类 | 第40-41页 |
| ·观点抽取 | 第41-47页 |
| ·词法分析 | 第41-44页 |
| ·句法分析 | 第44-45页 |
| ·观点词选择 | 第45-46页 |
| ·语义相似度 | 第46-47页 |
| ·情感分类 | 第47-48页 |
| ·SVM学习分类方法 | 第47页 |
| ·相似度计算分类 | 第47-48页 |
| 5 基于关联规则和语义理解的商品特征挖掘 | 第48-54页 |
| ·挖掘算法的思想来源 | 第48页 |
| ·挖掘算法设计 | 第48-52页 |
| ·词性标注 | 第49-50页 |
| ·频繁特征生成 | 第50页 |
| ·冗余约简 | 第50页 |
| ·观点词抽取和评论句筛选 | 第50-51页 |
| ·语义倾向性判断及概括 | 第51-52页 |
| ·实验与分析 | 第52-54页 |
| ·实验 | 第52-53页 |
| ·分析 | 第53-54页 |
| 6 基于语义理解和极性分析的观点评论挖掘 | 第54-60页 |
| ·背景介绍 | 第54页 |
| ·商品的特征挖掘 | 第54-55页 |
| ·观点词的极性定位 | 第55-57页 |
| ·知网简介 | 第55页 |
| ·观点词的语义倾向性 | 第55页 |
| ·句法分析器 | 第55-56页 |
| ·极性定位 | 第56-57页 |
| ·句子的语义倾向性分析 | 第57-58页 |
| ·程度副词和否定词的影响 | 第57-58页 |
| ·句子的最终倾向性 | 第58页 |
| ·实验与分析 | 第58-60页 |
| ·实验 | 第58-59页 |
| ·分析 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
