| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 文本倾向分析研究综述 | 第11-12页 |
| 1.2.2 基于大数据平台的文本分类综述 | 第12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 创新之处 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 中文文本分析算法及关键技术 | 第15-28页 |
| 2.1 文本分析相关知识点介绍 | 第15-20页 |
| 2.1.1 语言模型及文本表示方法 | 第15-18页 |
| 2.1.2 文本特征及特征抽取 | 第18-20页 |
| 2.2 基于主题模型和文本向量的文本倾向分析算法 | 第20-25页 |
| 2.2.1 基于LDA的文本特征提取算法 | 第20-23页 |
| 2.2.2 基于Word2vec的文本表示算法 | 第23-25页 |
| 2.3 文本分析的关键技术 | 第25-26页 |
| 2.3.1 语料采集关键技术 | 第25-26页 |
| 2.3.2 文本切分关键技术 | 第26页 |
| 2.3.3 文本标注关键技术 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于大数据平台的文本处理技术 | 第28-34页 |
| 3.1 Spark大数据处理平台 | 第28-29页 |
| 3.2 Spark大数据平台的优势 | 第29-31页 |
| 3.3 如何使用Spark大数据平台处理文本数据 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于大数据平台的文本倾向分析系统的设计 | 第34-57页 |
| 4.1 文本倾向分析系统总体框架设计 | 第34-42页 |
| 4.1.1 文本预处理模块设计 | 第36-40页 |
| 4.1.2 文本存储模块设计 | 第40-42页 |
| 4.1.3 文本分析模块设计 | 第42页 |
| 4.2 基于Doc2vec和LDA的评论文本倾向分析算法设计 | 第42-48页 |
| 4.2.1 基于LDA的文本主题特征提取 | 第43-44页 |
| 4.2.2 结合主题特征的Doc2 vec模型训练 | 第44-48页 |
| 4.2.3 基于SGD的文本倾向分类 | 第48页 |
| 4.3 文本倾向分析算法的并行化实现 | 第48-56页 |
| 4.3.1 针对文本分词处理的并行化实现 | 第48-50页 |
| 4.3.2 针对LDA算法的并行化实现 | 第50-52页 |
| 4.3.3 针对Doc2vec算法的并行化实现 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 基于大数据平台的文本倾向分析系统实现及验证测试 | 第57-80页 |
| 5.1 系统各模块的实现 | 第57-66页 |
| 5.1.1 文本预处理模块实现 | 第57-60页 |
| 5.1.2 文本存储模块实现 | 第60-61页 |
| 5.1.3 文本分析模块实现 | 第61-66页 |
| 5.2 系统环境搭建与系统部署 | 第66-68页 |
| 5.3 核心功能模块展示 | 第68-73页 |
| 5.3.1 爬虫核心模块 | 第68-71页 |
| 5.3.2 语料生成模块 | 第71-72页 |
| 5.3.3 文本训练模块 | 第72-73页 |
| 5.4 系统测试与验证 | 第73-79页 |
| 5.4.1 准确度测试 | 第73-77页 |
| 5.4.2 性能测试 | 第77-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 结束语 | 第80-82页 |
| 6.1 论文总结 | 第80页 |
| 6.2 下一步研究工作 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 作者攻读学位期间发表的学术论文目录 | 第86页 |
