商品评价信息的中文情感分析--以华为手机评价数据为例
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 绪论 | 第11-21页 |
| 第一节 研究背景与意义 | 第11-14页 |
| 一、研究背景 | 第11-13页 |
| 二、研究意义 | 第13-14页 |
| 第二节 文献综述 | 第14-17页 |
| 一、国外研究 | 第14-15页 |
| 二、国内研究 | 第15-17页 |
| 三、现有文献的不足之处 | 第17页 |
| 第三节 研究框架与研究内容 | 第17-19页 |
| 一、研究思路及框架 | 第17-18页 |
| 二、研究内容 | 第18-19页 |
| 第四节 研究难点与本文创新点 | 第19-21页 |
| 一、研究难点 | 第19-20页 |
| 二、创新之处 | 第20-21页 |
| 第二章 相关理论阐述 | 第21-35页 |
| 第一节 网络爬虫相关理论 | 第21-24页 |
| 一、网络爬虫概念 | 第21页 |
| 二、网络爬虫体系结构 | 第21-24页 |
| 三、爬虫基础技术 | 第24页 |
| 第二节 文本预处理 | 第24-29页 |
| 一、中文分词 | 第25-26页 |
| 二、词性标注 | 第26-27页 |
| 三、依存句法分析 | 第27-29页 |
| 第三节 特征词与情感词对抽取理论 | 第29-30页 |
| 一、基于词性模板提取特征词和情感词对 | 第29页 |
| 二、基于依存句法关系提取特征词和情感词对 | 第29-30页 |
| 第四节 情感倾向分析理论 | 第30-35页 |
| 一、基于词典的情感词计算方法 | 第31-32页 |
| 二、基于机器学习的情感值计算方法 | 第32页 |
| 三、基于依存句法关系对情感值计算方法 | 第32-34页 |
| 四、多策略情感分析方法 | 第34-35页 |
| 第三章 华为手机的互联网思维模式分析 | 第35-40页 |
| 第一节 华为公司概况 | 第35-36页 |
| 一、华为公司简介 | 第35页 |
| 二、主要手机产品简述 | 第35-36页 |
| 第二节 基于互联网思维的手机研发与营销模式 | 第36-38页 |
| 一、基于互联网思维的手机研发模式 | 第36页 |
| 二、基于互联网思维的手机营销模式 | 第36-38页 |
| 第三节 互联网数据应用的不足 | 第38-39页 |
| 一、数据分析效率不高 | 第38页 |
| 二、用户诉求来源不全面 | 第38-39页 |
| 三、无法精准地实行情感分析 | 第39页 |
| 第四节 研发与营销模式的改进优化 | 第39-40页 |
| 第四章 基于华为手机评价的中文情感分析 | 第40-63页 |
| 第一节 数据准备 | 第40-43页 |
| 一、明确口径 | 第40页 |
| 二、数据抽样 | 第40-42页 |
| 三、数据采集过程 | 第42-43页 |
| 第二节 数据预处理 | 第43-47页 |
| 一、规范数据格式 | 第43页 |
| 二、分词 | 第43-45页 |
| 三、词性标注 | 第45-46页 |
| 四、依存句法分析 | 第46-47页 |
| 第三节 特征词和情感词对抽取 | 第47-54页 |
| 一、基于词法模板的抽取 | 第47-50页 |
| 二、基于句法关系的抽取算法 | 第50-52页 |
| 三、两类算法的抽取结果 | 第52-53页 |
| 四、两类算法的比较分析 | 第53-54页 |
| 第四节 文本情感分析 | 第54-62页 |
| 一、建立情感词词库 | 第54-56页 |
| 二、基于多策略的情感值计算 | 第56-58页 |
| 三、程序实现与结果输出形式 | 第58-59页 |
| 四、情感值分布特征及结果可视化展示 | 第59-62页 |
| 第五节 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-66页 |
| 第一节 总结 | 第64-65页 |
| 第二节 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-78页 |
| 致谢 | 第78-79页 |
