酒店在线评论的情感倾向挖掘方法应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| Content | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·研究内容及组织结构 | 第14-16页 |
| ·研究对象及主要内容 | 第14-16页 |
| ·论文具体章节结构 | 第16页 |
| ·技术路线与创新点 | 第16-18页 |
| ·技术路线 | 第16-17页 |
| ·创新点 | 第17-18页 |
| ·课题来源 | 第18-19页 |
| 第二章 随机森林和支持向量机理论综述 | 第19-32页 |
| ·情感分析技术研究现状 | 第19-23页 |
| ·情感分析国内外研究现状 | 第19-21页 |
| ·机器学习方法 | 第21-23页 |
| ·随机森林特征提取 | 第23-28页 |
| ·RF的概念、特点及生成过程 | 第23-25页 |
| ·特征提取的研究现状 | 第25-26页 |
| ·随机森林用于提取特征 | 第26-28页 |
| ·支持向量机 | 第28-31页 |
| ·SVM的概念和特点 | 第28-29页 |
| ·SVM的目标和优势 | 第29-30页 |
| ·R中的SVM标准分类 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 情感心理模型与评论文本初步挖掘 | 第32-46页 |
| ·中文文本情感模型 | 第32-36页 |
| ·情感心理模型研究现状 | 第32-34页 |
| ·中文在线评论的情感心理模型的构建 | 第34页 |
| ·中文在线评论的情感心理模型的确立 | 第34-36页 |
| ·评论文本初步挖掘 | 第36-45页 |
| ·网络爬虫 | 第36-40页 |
| ·网页信息提取 | 第40-42页 |
| ·中文分词 | 第42-44页 |
| ·停止词表 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 R语言环境下的情感倾向分析 | 第46-65页 |
| ·R概述 | 第46-48页 |
| ·R语言及其特点介绍 | 第46-47页 |
| ·R环境下的实验目标 | 第47-48页 |
| ·R环境下的计算路径 | 第48页 |
| ·实验部分 | 第48-64页 |
| ·实验流程及步骤 | 第49-50页 |
| ·R运行环境及安装配置 | 第50-57页 |
| ·参数设置及实现代码 | 第57-61页 |
| ·实验结果及分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读学位期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |
