| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 缩略词表 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 情感分析的基本概念 | 第11-12页 |
| 1.3 中文评价对象抽取和倾向性分析的难点 | 第12-13页 |
| 1.4 本文的研究目的和主要内容 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第二章 相关研究 | 第15-29页 |
| 2.1 相关评测和情感资源 | 第15-16页 |
| 2.2 评价对象抽取 | 第16-21页 |
| 2.2.1. 基于寻找频繁出现的名词和名词词组的抽取方法 | 第17页 |
| 2.2.2. 利用观点和评价对象关系的抽取方法 | 第17-19页 |
| 2.2.3. 使用有监督学习进行抽取的方法 | 第19-20页 |
| 2.2.4. 使用主题模型进行抽取的方法 | 第20-21页 |
| 2.3 情感倾向性分析 | 第21-22页 |
| 2.3.1. 基于有监督学习的情感倾向性分析 | 第21页 |
| 2.3.2. 基于词典的情感倾向性分析 | 第21-22页 |
| 2.4 依存句法分析 | 第22-28页 |
| 2.4.1. 概述 | 第22-23页 |
| 2.4.2. 分析方法 | 第23-28页 |
| 1. 生成式依存分析方法 | 第24-25页 |
| 2. 判别式依存分析方法 | 第25-26页 |
| 3. 确定性依存分析方法 | 第26-27页 |
| 4. 基于序列标注的分层式依存分析方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于依存句法分析的中文评价对象抽取和倾向性分析模型 | 第29-45页 |
| 3.1 模型框架设计 | 第29页 |
| 3.2 评价对象和观点词抽取模块 | 第29-35页 |
| 3.2.1. SR规则 | 第29-32页 |
| 3.2.2. ATT规则 | 第32-33页 |
| 3.2.3. SN规则 | 第33页 |
| 3.2.4. SO规则 | 第33页 |
| 3.2.5. 评价对象和观点词修正规则 | 第33-34页 |
| 3.2.6. 评价对象搜索算法 | 第34-35页 |
| 3.3 倾向性分析模块 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-44页 |
| 3.4.1. 实验设置 | 第36-38页 |
| 1. 实验数据集 | 第36-37页 |
| 2. 实验环境 | 第37页 |
| 3. 评价标准 | 第37-38页 |
| 3.4.2. 实验与分析 | 第38-43页 |
| 1. 语义规则对情感分析的影响 | 第38-39页 |
| 2. 依存关系间接规则对情感分析的影响 | 第39-40页 |
| 3. ATT规则与名词短语方法的对比实验 | 第40-41页 |
| 4. 评价对象搜索算法对情感分析的影响 | 第41-43页 |
| 3.4.3. 误差分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 中文评价对象抽取和倾向性分析系统的设计与实现 | 第45-55页 |
| 4.1 开发目标 | 第45页 |
| 4.2 系统设计 | 第45-47页 |
| 4.3 情感词库的构建 | 第47-50页 |
| 4.3.1. 情绪词典 | 第47-48页 |
| 4.3.2. 评价词典 | 第48页 |
| 4.3.3. 观点引述词典 | 第48-49页 |
| 4.3.4. 虚拟语气词典 | 第49页 |
| 4.3.5. 转折词典 | 第49页 |
| 4.3.6. 名词性情感词典 | 第49页 |
| 4.3.7. 否定词典 | 第49-50页 |
| 4.3.8. 伪否定词典 | 第50页 |
| 4.4 预处理模块 | 第50-51页 |
| 4.4.1. 无关符号过滤 | 第50页 |
| 4.4.2. 非核心成分过滤 | 第50页 |
| 4.4.3. 语料生成 | 第50-51页 |
| 4.5 系统实现 | 第51-53页 |
| 4.5.1. 环境与工具 | 第51页 |
| 4.5.2. 核心代码 | 第51-52页 |
| 4.5.3. 测试样例 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 未来展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-66页 |
