基于Web的评论文本倾向性分析技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景和研究意义 | 第9页 |
| ·国内外相关技术及研究现状 | 第9-11页 |
| ·本文主要内容及创新点 | 第11-12页 |
| ·论文的组织和安排 | 第12-14页 |
| 第二章 文本倾向性分析相关技术 | 第14-23页 |
| ·文本倾向性分析流程 | 第14页 |
| ·网络爬虫技术 | 第14-16页 |
| ·网络爬虫的构成及分类 | 第14-15页 |
| ·网络爬虫的工作原理 | 第15页 |
| ·网络爬虫的搜索策略 | 第15-16页 |
| ·词法分析技术 | 第16-20页 |
| ·中文分词技术 | 第16-18页 |
| ·词语搭配 | 第18-20页 |
| ·文本倾向性分类技术 | 第20-22页 |
| ·N-gram 模型 | 第20页 |
| ·贝叶斯 | 第20-21页 |
| ·支持向量机 | 第21页 |
| ·KNN | 第21-22页 |
| ·CRFs | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 基于最大熵的评价搭配识别 | 第23-30页 |
| ·评价搭配 | 第23页 |
| ·最大熵模型 | 第23-24页 |
| ·极性词表 | 第24-25页 |
| ·构建最大熵特征模板 | 第25-27页 |
| ·原子模板 | 第25-26页 |
| ·混合模板 | 第26-27页 |
| ·实验结果与分析 | 第27-29页 |
| ·数据集 | 第27页 |
| ·评价指标 | 第27-28页 |
| ·实验结果与分析 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第四章 基于极性词典的网络评论文本倾向性分析 | 第30-43页 |
| ·极性词典构建方法 | 第30-38页 |
| ·极性词典相关概念 | 第30-31页 |
| ·基础词典构建方法 | 第31-33页 |
| ·领域情感词典构建方法 | 第33-34页 |
| ·领域属性词典构建方法 | 第34-36页 |
| ·网络词典构建方法 | 第36-37页 |
| ·修饰词典构建方法 | 第37-38页 |
| ·评论文本极性计算方法 | 第38-40页 |
| ·极性短语的极性计算 | 第38-39页 |
| ·句子极性计算 | 第39-40页 |
| ·实验及分析 | 第40-42页 |
| ·实验语料 | 第40页 |
| ·实验步骤 | 第40页 |
| ·实验结果与分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·总结 | 第43页 |
| ·展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 攻硕期间发表论文及科研成果 | 第47-48页 |
| 致谢 | 第48页 |
