| 摘要 | 第1-6页 |
| Abstract | 第6-17页 |
| 第1章 绪论 | 第17-33页 |
| ·研究背景 | 第17-20页 |
| ·网络评论进入主流社会关注视野 | 第17页 |
| ·Web2. 0 环境下社会舆论传播格局 | 第17-19页 |
| ·挖掘有价值的观点信息已成为一项重要的研究课题 | 第19-20页 |
| ·研究意义 | 第20-21页 |
| ·理论意义 | 第20页 |
| ·实践意义 | 第20-21页 |
| ·国内外研究现状 | 第21-28页 |
| ·国外网络评论观点研究进展 | 第21-25页 |
| ·国内网络评论观点研究现状 | 第25-28页 |
| ·研究内容与研究方法 | 第28-31页 |
| ·研究内容 | 第28页 |
| ·研究方法 | 第28-29页 |
| ·研究思路 | 第29-31页 |
| ·论文框架与主要创新点 | 第31-32页 |
| ·论文的主要框架 | 第31页 |
| ·论文的主要创新点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第2章 相关理论与方法 | 第33-60页 |
| ·评论观点与认知 | 第33页 |
| ·文本挖掘理论与方法 | 第33-39页 |
| ·中文分词与文本表示 | 第34-36页 |
| ·文本分类和聚类 | 第36-37页 |
| ·信息抽取和关联分析 | 第37-38页 |
| ·文本挖掘过程模型 | 第38-39页 |
| ·观点挖掘理论与方法 | 第39-48页 |
| ·观点挖掘内涵 | 第39-43页 |
| ·观点挖掘关键内容 | 第43页 |
| ·观点挖掘主要应用 | 第43-44页 |
| ·观点挖掘技术与方法 | 第44-46页 |
| ·观点挖掘核心工具和资源 | 第46-48页 |
| ·主题模型聚类方法 | 第48-54页 |
| ·LDA 主题模型数学基础 | 第49-51页 |
| ·LDA 模型文档生成过程 | 第51-53页 |
| ·基于 LDA 模型的主题建模过程 | 第53页 |
| ·扩展的 LDA 模型算法 | 第53-54页 |
| ·知识发现理论与方法 | 第54-58页 |
| ·知识发现的内涵 | 第54-56页 |
| ·知识发现的方法论基础 | 第56页 |
| ·图书情报领域的知识发现趋向 | 第56-57页 |
| ·基于内在认知的知识发现 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第3章 面向观点挖掘的网络评论知识发现研究 | 第60-76页 |
| ·网络评论概念界定 | 第60-62页 |
| ·网络评论的内涵 | 第60-61页 |
| ·网络评论主要类型 | 第61-62页 |
| ·观点挖掘对象 | 第62-66页 |
| ·评价对象特征词识别 | 第62-63页 |
| ·评价对象情感词识别及情感倾向分析 | 第63-64页 |
| ·特征词-情感词搭配关系判定 | 第64-66页 |
| ·基于观点知识库的网络评论观点挖掘模式构建 | 第66-74页 |
| ·显式观点提取关键步骤 | 第67-69页 |
| ·观点知识库生成方法 | 第69-70页 |
| ·基于本体的观点知识库表示 | 第70-72页 |
| ·基于本体的网络观点挖掘模式 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第4章 面向主题的网络评论知识发现研究 | 第76-98页 |
| ·个体隐性认知与群体认知 | 第76-77页 |
| ·个体认知过程 | 第76-77页 |
| ·面向隐性认知的网络评论知识发现 | 第77页 |
| ·主题聚类视角下网络评论观点挖掘方法分析 | 第77-84页 |
| ·基于主题聚类的网络评论主题语义揭示 | 第78-80页 |
| ·基于主题聚类的评论主题与评论文本的关联与分布解析 | 第80-83页 |
| ·基于主题聚类的重要度计算方法 | 第83-84页 |
| ·基于主题相似度的网络评论聚类研究 | 第84-88页 |
| ·主题相似度度量方法 | 第85页 |
| ·基于主题的相似评论文本聚类 | 第85-88页 |
| ·基于主题和情感的深度观点判定研究 | 第88-91页 |
| ·深度观点概念及要素 | 第88-90页 |
| ·深度观点判定算法解析 | 第90-91页 |
| ·基于主题分布的主要观点提取研究 | 第91-97页 |
| ·专家观点和大众观点剥离 | 第91-95页 |
| ·大众代表性观点摘要生成 | 第95-97页 |
| ·本章小结 | 第97-98页 |
| 第5章 网络评论观点知识发现模式 | 第98-114页 |
| ·基于内在认知的数据融合研究 | 第98-100页 |
| ·基于认知特征的内在认知机理 | 第98-99页 |
| ·基于内在认知的数据库-知识库协同机制 | 第99-100页 |
| ·观点-领域知识-主题多库融合的网络评论观点知识发现模式 | 第100-113页 |
| ·网络评论观点知识发现的基础 | 第100-102页 |
| ·多库融合的网络评论观点知识发现模式 | 第102-106页 |
| ·基于本体的领域知识库构建 | 第106-110页 |
| ·基于多库的知识点映射 | 第110-112页 |
| ·语义检索 | 第112-113页 |
| ·本章小结 | 第113-114页 |
| 第6章 实证分析——以教育领域图书网络评论观点挖掘为例 | 第114-126页 |
| ·开发平台与工具 | 第114-115页 |
| ·R 语言 | 第114-115页 |
| ·R 的程序包 | 第115页 |
| ·背景需求 | 第115-116页 |
| ·模块构成 | 第116-125页 |
| ·数据源选择与获取 | 第117-119页 |
| ·面向语法的观点挖掘数据分析 | 第119-122页 |
| ·面向主题的数据建模与分析 | 第122-124页 |
| ·领域知识库融合 | 第124-125页 |
| ·结果评价 | 第125-126页 |
| 第7章 结论与展望 | 第126-129页 |
| ·研究结论 | 第126-127页 |
| ·论文创新点 | 第127-128页 |
| ·论文展望 | 第128-129页 |
| 参考文献 | 第129-139页 |
| 攻读博士学位期间取得的主要科研成果 | 第139-141页 |
| 后记和致谢 | 第141页 |
