聚类算法研究及在评论挖掘中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 2 评论挖掘关键技术综述 | 第14-18页 |
| 2.1 评论挖掘的流程 | 第14-15页 |
| 2.2 信息抽取 | 第15页 |
| 2.3 聚类方法 | 第15-16页 |
| 2.4 情感极性及情感计算 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 3 评论的预处理及子主题的形成 | 第18-36页 |
| 3.1 评论的预处理 | 第19-23页 |
| 3.1.1 评论数据的来源 | 第19-21页 |
| 3.1.2 语料的预处理 | 第21-23页 |
| 3.2 子主题的形成 | 第23-31页 |
| 3.2.1 子主题的定义及表示形式 | 第23-26页 |
| 3.2.2 子主题的形成过程 | 第26-31页 |
| 3.3 子主题的提取 | 第31-32页 |
| 3.4 特征表示 | 第32-33页 |
| 3.5 相似度计算方法 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 4 基于聚类算法的主题生成研究 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 聚类算法 | 第36-37页 |
| 4.3 MMACA聚类算法 | 第37-44页 |
| 4.3.1 聚类算法的相似性或距离函数 | 第38-39页 |
| 4.3.2 MMACA算法的相关概念 | 第39-40页 |
| 4.3.3 MMACA算法 | 第40-44页 |
| 4.4 基于MMACA聚类算法形成主题 | 第44-47页 |
| 4.4.1 聚类形成主题 | 第44-45页 |
| 4.4.2 评价标准 | 第45-46页 |
| 4.4.3 实验结果及分析 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 基于情感满意度的评论挖掘系统 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 情感极性 | 第48-49页 |
| 5.3 情感满意度的计算方法 | 第49-51页 |
| 5.4 实验结果 | 第51-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
