面向酒店评论的中文短文本情感分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 情感分类介绍 | 第11-14页 |
| 1.3.1 情感词典相关情感分类研究 | 第12-13页 |
| 1.3.2 特征分析相关情感分类研究 | 第13-14页 |
| 1.4 论文主要研究内容 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第二章 情感分类相关技术 | 第16-30页 |
| 2.1 基本技术 | 第16-22页 |
| 2.1.1 中文分词 | 第16-18页 |
| 2.1.2 向量空间模型 | 第18-19页 |
| 2.1.3 特征选取 | 第19-20页 |
| 2.1.4 评估指标 | 第20-21页 |
| 2.1.5 中文句法分析 | 第21-22页 |
| 2.2 监督情感分类方法 | 第22-24页 |
| 2.2.1 朴素贝叶斯模型(NB) | 第22-23页 |
| 2.2.2 逻辑回归模型(LG) | 第23页 |
| 2.2.3 支持向量机模型(SVM) | 第23-24页 |
| 2.3 无监督情感分类方法 | 第24-25页 |
| 2.3.1 K最近邻分类模型 | 第24-25页 |
| 2.3.2 情感字典规则模型 | 第25页 |
| 2.4 深度学习在情感分类方法的应用 | 第25-30页 |
| 2.4.1 循环神经网络(RNN) | 第26页 |
| 2.4.2 长短记忆神经网络(LSTM) | 第26-30页 |
| 第三章 基于语义泛化的领域情感词典构建方法 | 第30-40页 |
| 3.1 概述 | 第30-33页 |
| 3.1.1 情感词典相关术语说明 | 第30-31页 |
| 3.1.2 情感词典研究现状 | 第31-33页 |
| 3.2 种子情感字典 | 第33-35页 |
| 3.2.1 知网情感词典(HowNet) | 第33页 |
| 3.2.2 大连理工大学情感本体库(DUTIR) | 第33-34页 |
| 3.2.3 台湾大学情感词典(NTUSD) | 第34-35页 |
| 3.3 词典构建 | 第35-39页 |
| 3.3.1 酒店领域词典扩展 | 第35-38页 |
| 3.3.2 修饰词词典构建 | 第38-39页 |
| 3.3.2.1 程度副词词典 | 第38-39页 |
| 3.3.2.2 否定词词典 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于规则和神经网络的情感分类方法 | 第40-51页 |
| 4.1 情感规则模型的构建 | 第41-44页 |
| 4.1.1 规则特征提取 | 第41-42页 |
| 4.1.2 情感得分计算 | 第42-44页 |
| 4.2 基于规则特征融合的神经网络模型 | 第44-45页 |
| 4.3 实验结果分析 | 第45-50页 |
| 4.3.1 测试数据集 | 第45-46页 |
| 4.3.2 参数设定 | 第46-47页 |
| 4.3.3 情感词典实验对比 | 第47-48页 |
| 4.3.4 模型对比实验 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 总结和展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-59页 |
| 详细摘要 | 第59-61页 |
