基于大数据的用户评论情感分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外相关研究 | 第10-12页 |
| 1.2.1 OCC情感建模相关研究 | 第10-11页 |
| 1.2.2 情感分析相关研究 | 第11-12页 |
| 1.3 论文研究内容和成果 | 第12-13页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文研究成果 | 第13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 OCC情感建模 | 第14-22页 |
| 2.1 OCC情感模型介绍 | 第14-16页 |
| 2.2 构建用户评论的OCC情感模型 | 第16-19页 |
| 2.2.1 规则中各变量 | 第16-17页 |
| 2.2.2 建立情感产生规则 | 第17-19页 |
| 2.3 OCC情感模型的实现 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于卷积神经网络的情感分析 | 第22-34页 |
| 3.1 用户评论数据预处理的研究 | 第22-24页 |
| 3.2 基于卷积神经网络的用户情感分析模型 | 第24-29页 |
| 3.2.1 神经网络模型介绍 | 第24-26页 |
| 3.2.2 卷积网络模型设计 | 第26-29页 |
| 3.2.3 训练方案 | 第29页 |
| 3.3 实验设计与分析 | 第29-32页 |
| 3.3.1 实验数据集 | 第29-30页 |
| 3.3.2 模型调参 | 第30-31页 |
| 3.3.3 实验结果与分析 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 用户评论情感分析应用的研究 | 第34-44页 |
| 4.1 用户评论在电子商务领域的应用 | 第34-38页 |
| 4.1.1 基于SVM的产品属性分类算法 | 第35-36页 |
| 4.1.2 实验过程 | 第36-37页 |
| 4.1.3 实验结果 | 第37-38页 |
| 4.2 用户评论在社交网络领域的应用 | 第38-41页 |
| 4.2.1 K-means聚类算法 | 第39-40页 |
| 4.2.2 实验过程和结果 | 第40-41页 |
| 4.3 用户评论在网络舆情领域的应用 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 结论与展望 | 第44-45页 |
| 5.1 工作总结 | 第44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48页 |
