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

面向产品评论挖掘的特征粒度树研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-14页
    1.1 研究背景和意义第9-10页
    1.2 研究现状及分析第10-12页
        1.2.1 评论挖掘研究现状第10-11页
        1.2.2 产品特征抽取及特征粒度的研究现状第11-12页
    1.3 主要研究内容与论文组织结构第12-13页
        1.3.1 主要研究内容第12页
        1.3.2 论文组织结构第12-13页
    1.4 本章小结第13-14页
第2章 产品评论挖掘系统框架介绍第14-20页
    2.1 产品特征提取第14-15页
    2.2 观点词提取第15-17页
    2.3 观点极性判断第17页
    2.4 挖掘结果显示第17-19页
    本章小结第19-20页
第3章 数据抽取与预处理第20-24页
    3.1 数据抽取第20页
    3.2 原始评论的预处理第20-21页
    3.3 评论标注准则第21-23页
        3.3.1 标注示例第21-22页
        3.3.2 标注规则说明第22-23页
    3.4 本章小结第23-24页
第4章 特征粒度树的建立第24-33页
    4.1 相关概念和定义第24-26页
    4.2 特征记录相似判断与合并第26-30页
        4.2.1 相似度公式的改进第26-27页
        4.2.2 基于改进的相似度公式的特征记录相似判断第27-29页
        4.2.3 特征记录合并及其预处理第29-30页
    4.3 特征组重组第30-31页
    4.4 对于没有相似对象的特征记录的处理第31页
    4.5 特征粒度树组建及剪枝第31页
    4.6 完善特征粒度树第31-32页
    4.7 挖掘特征在特征粒度树中定位第32页
    4.8 本章小结第32-33页
第5章 实验数据与结果分析第33-39页
    5.1 实验设计第33-34页
    5.2 实验结果及分析第34-38页
        5.2.1 特征粒度树的构建第34-36页
        5.2.2 改进相似度公式的实验结果第36页
        5.2.3 特征定位第36-37页
        5.2.4 利用特征粒度树进行挖掘结果显示第37-38页
    5.3 本章小结第38-39页
第6章 总结与展望第39-41页
    6.1 论文工作总结第39页
    6.2 工作展望第39-41页
参考文献第41-44页
致谢第44-45页
攻读学位期间取得的科研成果第45页

论文共45页,点击 下载论文
上一篇:DPCM预测与Contourlet变换相结合的医学图像压缩
下一篇:基于H.264中视频压缩编码算法的研究与改进