摘要 | 第2-3页 |
Abstract | 第3页 |
第一章 绪论 | 第6-16页 |
1.1 背景与意义 | 第6-8页 |
1.1.1 研究的背景 | 第6-8页 |
1.1.2 研究意义 | 第8页 |
1.2 国内外研究现状 | 第8-12页 |
1.2.1 文本情感分析的研究现状 | 第8-11页 |
1.2.2 文本情感分析技术在评论文本中的应用 | 第11-12页 |
1.3 研究内容 | 第12-14页 |
1.4 论文组织结构 | 第14-15页 |
1.5 本章小结 | 第15-16页 |
第二章 相关理论以及研究技术 | 第16-30页 |
2.1 文本语料的获取方式 | 第16页 |
2.2 文本预处理 | 第16-18页 |
2.2.1 文本的分词 | 第16-17页 |
2.2.2 词性标注 | 第17页 |
2.2.3 停用词过滤 | 第17-18页 |
2.3 文本表示技术 | 第18-22页 |
2.3.1 One-hot representation | 第18页 |
2.3.2 向量空间模型 | 第18-19页 |
2.3.3 概率模型 | 第19页 |
2.3.4 基于深度学习的文本向量化表示方法 | 第19-22页 |
2.3.5 基于词间关系的文本向量化 | 第22页 |
2.4 文本特征权提取方法 | 第22-25页 |
2.4.1 词频 | 第22页 |
2.4.2 TF-IDF | 第22-23页 |
2.4.3 互信息 | 第23页 |
2.4.4 卡方检验 | 第23-24页 |
2.4.5 信息增益 | 第24-25页 |
2.4.6 期望交叉熵 | 第25页 |
2.5 文本情感倾向性分类方法 | 第25-29页 |
2.5.1 基于机器学习的分类 | 第25-28页 |
2.5.2 基于情感词典的分类方法 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第三章 评价对象及情感特征的识别 | 第30-50页 |
3.1 评价对象的识别 | 第30-40页 |
3.1.1 数据准备 | 第31-33页 |
3.1.2 基于word2vec的文本向量化表征 | 第33-35页 |
3.1.3 构建候选词图模型 | 第35-36页 |
3.1.4 权重矩阵构造与迭代计算 | 第36-39页 |
3.1.5 遗漏词增补(同义词词林) | 第39-40页 |
3.2 评价特征的识别 | 第40-49页 |
3.2.1 HITLTP | 第40-42页 |
3.2.2 构造评价特征候选集 | 第42-44页 |
3.2.3 评价特征的抽取以及评价记录的构建 | 第44-49页 |
3.3 本章小结 | 第49-50页 |
第四章 基于扩展词集的评价特征情感倾向性研究方法 | 第50-56页 |
4.1 倾向性判断方法整体结构框架 | 第50页 |
4.2 正负向评价词情感强度计算 | 第50-52页 |
4.3 程度副词与否定词的综合影响度衡量 | 第52-54页 |
4.3.1 程度副词权重定义 | 第52页 |
4.3.2 否定词权重定义 | 第52-53页 |
4.3.3 程度副词与否定词的综合强度衡量 | 第53-54页 |
4.4 评价特征整体倾向性及强度计算 | 第54-55页 |
4.5 本章小结 | 第55-56页 |
第五章 实验与结果分析 | 第56-62页 |
5.1 实验语料的获取与预处理 | 第56-57页 |
5.1.1 实验语料的获取 | 第56页 |
5.1.2 语料的预处理 | 第56-57页 |
5.2 实验评价标准 | 第57-58页 |
5.2.1 准确率、召回率及F1值 | 第57-58页 |
5.3 实验效果评测 | 第58-61页 |
5.3.1 评价对象提取效果评测 | 第58-59页 |
5.3.2 评价词提取效果评测 | 第59-60页 |
5.3.3 基于情感词典的情感倾向分类效果。 | 第60-61页 |
5.4 本章小结 | 第61-62页 |
第六章 总结与展望 | 第62-64页 |
6.1 总结 | 第62页 |
6.2 展望 | 第62-64页 |
参考文献 | 第64-67页 |
致谢 | 第67-68页 |
攻读硕士学位期间已发表或录用的论文 | 第68-69页 |