| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 论文的组织 | 第14-15页 |
| 第二章 观点挖掘基础理论 | 第15-23页 |
| 2.1 观点挖掘概述 | 第15-16页 |
| 2.2 评论文本的观点挖掘 | 第16-17页 |
| 2.2.1 基于频率的方法 | 第16-17页 |
| 2.2.2 基于依存关系的方法 | 第17页 |
| 2.3 微博文本的情感分类 | 第17-18页 |
| 2.3.1 基于情感词典的方法 | 第18页 |
| 2.3.2 基于机器学习的方法 | 第18页 |
| 2.4 新闻文本的观点分析 | 第18-19页 |
| 2.4.1 基于规则的新闻句主客观分类 | 第18-19页 |
| 2.4.2 基于机器学习的新闻句主客观分类 | 第19页 |
| 2.4.3 新闻引用句的分析 | 第19页 |
| 2.5 跨语言情感分析方法 | 第19-21页 |
| 2.5.1 基于双语词典的方法 | 第19-20页 |
| 2.5.2 基于平行语料的方法 | 第20页 |
| 2.5.3 基于机器翻译的方法 | 第20-21页 |
| 2.6 本章小节 | 第21-23页 |
| 第三章 基于要素关联及情感关联的汉越双语新闻文本观点句抽取方法 | 第23-33页 |
| 3.1 引言 | 第23-24页 |
| 3.2 汉越双语新闻观点句抽取方法 | 第24-28页 |
| 3.2.1 汉越双语新闻句要素关联关系分析 | 第24-25页 |
| 3.2.2 汉越双语新闻句情感关联关系分析 | 第25-26页 |
| 3.2.3 基于关联图模型的观点句抽取方法 | 第26-28页 |
| 3.3 实验结果及分析 | 第28-31页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 评价方法 | 第28-29页 |
| 3.3.3 结果与分析 | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于图模型排序的汉越双语差异观点摘要抽取方法 | 第33-43页 |
| 4.1 引言 | 第33-34页 |
| 4.2 基于图模型的汉越差异观点摘要算法 | 第34-38页 |
| 4.2.1 过滤相似观点 | 第34-35页 |
| 4.2.2 图模型构建 | 第35-37页 |
| 4.2.3 图模型求解 | 第37-38页 |
| 4.3 实验结果及分析 | 第38-41页 |
| 4.3.1 数据集 | 第38-39页 |
| 4.3.2 评价方法 | 第39页 |
| 4.3.3 结果及分析 | 第39-41页 |
| 4.4 本章小节 | 第41-43页 |
| 第五章 基于卷积神经网络的汉越双语新闻观点句情感倾向性分析方法 | 第43-53页 |
| 5.1 引言 | 第43-44页 |
| 5.2 基于卷积神经网络的汉越双语观点句情感分类算法 | 第44-48页 |
| 5.2.1 one-hot词向量 | 第44-45页 |
| 5.2.2 word2vector词向量 | 第45-46页 |
| 5.2.3 基于卷积神经网络的分类模型 | 第46-48页 |
| 5.3 实验结果与分析 | 第48-51页 |
| 5.3.1 实验数据 | 第48页 |
| 5.3.2 评价方法 | 第48-49页 |
| 5.3.3 实验结果与分析 | 第49-51页 |
| 5.4 本章小节 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 论文总结 | 第53页 |
| 6.2 下一步工作 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录A 读硕士学位期间发表论文 | 第63-65页 |
| 附录B 读硕士学位期间发表软件著作权 | 第65-67页 |
| 附录C 读硕士期间参与科研项目 | 第67页 |
