首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于POS规则匹配的电子商务网站用户评价信息的分析

摘要第3-4页
abstract第4-5页
第1章 绪论第8-14页
    1.1 课题背景及意义第8-9页
    1.2 国内外研究现状第9-12页
        1.2.1 用户评价信息分析的研究现状第9-10页
        1.2.2 产品评论挖掘原型系统研究现状第10-12页
    1.3 论文研究内容第12-13页
    1.4 本文组织结构第13-14页
第2章 电子商务网站用户评价信息分析方法概述第14-24页
    2.1 本文相关术语第14-15页
    2.2 用户评价信息分析的处理过程第15-17页
    2.3 特征词和观点词抽取方法第17-21页
        2.3.1 特征词提取方法第17-19页
        2.3.2 观点词提取方法第19-20页
        2.3.3 特征观点对提取方法第20-21页
    2.4 倾向性分析第21-23页
    2.5 本章小结第23-24页
第3章 基于POS规则匹配的特征观点对的抽取第24-42页
    3.1 POS规则第24-27页
        3.1.1 词性与词性标注第24-25页
        3.1.2 POS规则定义第25-27页
    3.2 特征观点对的抽取流程第27-28页
    3.3 基于扩展匹配的方法抽取有效POS规则第28-33页
        3.3.1 POS规则的描述和存储第28-30页
        3.3.2 抽取有效POS规则的流程第30-33页
    3.4 基于POS规则匹配方法抽取特征观点对第33-39页
        3.4.1 最大匹配原则第33-34页
        3.4.2 有效规则构成Trie树第34-35页
        3.4.3 特征观点对的存储第35-36页
        3.4.4 基于Trie树和有效POS规则的特征观点对抽取方法第36-37页
        3.4.5 特征观点对的修剪方法第37-39页
    3.5 基于TF-IDF方法预测隐式特征观点对的特征词第39-41页
    3.6 本章小结第41-42页
第4章 基于扩展的情感词典的情感倾向性分析第42-51页
    4.1 情感极性的影响因素分析第42-44页
        4.1.1 影响评价单元极性的因素第42-44页
        4.1.2 副词修饰词对情感极性的影响第44页
    4.2 情感词典的构建与扩展第44-48页
        4.2.1 基础情感词典第44-45页
        4.2.2 扩展情感词典第45-48页
    4.3 基于扩展情感词典的倾向性分析第48-50页
        4.3.1 情感词典的存储设计第48页
        4.3.2 利用扩展的情感词典进行倾向性分析第48-50页
    4.4 本章小结第50-51页
第5章 实验与结果分析第51-66页
    5.1 实验相关数据的说明第51-54页
        5.1.1 评论数据第51-52页
        5.1.2 情感词典第52页
        5.1.3 有效规则第52-53页
        5.1.4 特征观点对第53-54页
    5.2 实验方案及评价标准第54-56页
    5.3 有效POS规则的抽取第56-59页
        5.3.1 规则抽取过程实现第56-57页
        5.3.2 有效POS规则的抽取结果第57-59页
    5.4 特征观点对抽取实验及结果分析第59-64页
        5.4.1 特征观点对的抽取实验第59-63页
        5.4.2 特征观点对修剪实验第63页
        5.4.3 隐式特征观点对潜在特征词的预测实验第63-64页
    5.5 倾向性分析实验结果及分析第64-65页
    5.6 本章小结第65-66页
第6章 总结与展望第66-69页
    6.1 本文总结第66-67页
    6.2 未来展望第67-69页
致谢第69-70页
参考文献第70-73页

论文共73页,点击 下载论文
上一篇:基于Hadoop的网络聚焦爬虫抓取策略和解析方法研究
下一篇:基于Web个性化电影推荐系统的研究与实现