基于特征的商品在线评论情感倾向性分析
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·文本情感分析 | 第10-12页 |
| ·人工神经网络 | 第12-13页 |
| ·本文主要研究工作 | 第13-14页 |
| ·本文组织结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 相关理论和技术 | 第15-25页 |
| ·基于在线评论的中文文本预处理 | 第15-18页 |
| ·产品在线评论数据采集 | 第15-16页 |
| ·评论语料的切分 | 第16页 |
| ·中文文本的分词与词性标注 | 第16-18页 |
| ·商品在线评论情感分析的测试语料库的构建 | 第18页 |
| ·人工神经网络概述 | 第18-24页 |
| ·人工神经网络的特点 | 第19页 |
| ·人工神经网络的应用 | 第19页 |
| ·BP神经网络 | 第19-22页 |
| ·RBF神经网络 | 第22-23页 |
| ·BP神经网络与RBF神经网络的比较 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 在线评论情感分析的特征情感三元组提取 | 第25-33页 |
| ·商品在线评论的文本特点分析 | 第25-27页 |
| ·在线评论的句型特点 | 第25-26页 |
| ·在线评论的词性特点 | 第26-27页 |
| ·情感三元组的提取 | 第27-30页 |
| ·特殊词的收集 | 第27页 |
| ·情感三元组的句型词性搭配模式设计 | 第27-28页 |
| ·算法描述 | 第28-29页 |
| ·情感三元组的去噪 | 第29-30页 |
| ·实验与分析 | 第30-32页 |
| ·实验语料与评价标准 | 第30页 |
| ·实验设计 | 第30页 |
| ·实验结果分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于BP网络的在线评论情感分析及改进 | 第33-43页 |
| ·基于BP网络的商品在线评论情感极性分析模型 | 第33-37页 |
| ·模型训练样本的选择 | 第33-34页 |
| ·BP神经网络模型的建立 | 第34页 |
| ·模型的训练及测试 | 第34页 |
| ·实验结果分析 | 第34-37页 |
| ·改进BP网络的商品评论情感极性分析模型 | 第37-42页 |
| ·PSO-BP算法概述 | 第37页 |
| ·PSO-BP网络的实现 | 第37-39页 |
| ·PSO-BP网络模型的建立 | 第39页 |
| ·模型的训练及测试 | 第39-40页 |
| ·实验结果分析 | 第40-42页 |
| ·BP网络与PSO-BP网络的对比 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于RBF网络的在线评论情感分析及改进 | 第43-54页 |
| ·基于RBF神经网络的商品评论情感分析模型 | 第43-46页 |
| ·模型训练样本的选择 | 第43页 |
| ·RBF神经网络模型的建立 | 第43-44页 |
| ·模型的训练及测试 | 第44页 |
| ·实验结果分析 | 第44-46页 |
| ·改进RBF网络的商品评论情感分析模型 | 第46-51页 |
| ·PSO-RBF网络的基本思想 | 第47页 |
| ·PSO-RBF网络的步骤 | 第47-48页 |
| ·PSO-RBF神经网络模型的建立 | 第48页 |
| ·模型的训练及测试 | 第48页 |
| ·实验结果分析 | 第48-51页 |
| ·RBF网络与改进RBF网络的对比 | 第51-52页 |
| ·四种算法的对比 | 第52-53页 |
| ·BP网络与RBF网络的对比 | 第52页 |
| ·PSO-BP网络与PSO-RBF网络的对比 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
