| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 情感分析 | 第11页 |
| 1.2.2 粗粒度情感分析 | 第11页 |
| 1.2.3 细粒度情感分析 | 第11-13页 |
| 1.2.4 细粒度情感分析关键问题及关键技术 | 第13-16页 |
| 1.2.5 面对的问题及挑战 | 第16-17页 |
| 1.3 论文主要研究内容与组织结构 | 第17-20页 |
| 1.3.1 论文主要研究内容及研究方案 | 第17-20页 |
| 1.3.2 论文组织结构 | 第20页 |
| 1.4 本章小结 | 第20-21页 |
| 第2章 基于句子向量及SVM算法的观点句提取方法 | 第21-31页 |
| 2.1 观点句提取的总体过程框架 | 第21-22页 |
| 2.2 评论语料的词向量与句子向量构造 | 第22-27页 |
| 2.2.1 词向量构造 | 第22-23页 |
| 2.2.2 句子向量构造 | 第23-27页 |
| 2.3 基于句子向量及SVM算法的观点句提取方法 | 第27-28页 |
| 2.4 实验验证与结果分析 | 第28-30页 |
| 2.4.1 实验数据规范化处理 | 第29页 |
| 2.4.2 实验数据对比与分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于词对余弦距离分布规律的情感词与属性词分类方法 | 第31-41页 |
| 3.1 基于距离的词语语义相似度计算方法 | 第31-32页 |
| 3.1.1 词语距离与语义相似度 | 第31-32页 |
| 3.1.2 欧氏距离 | 第32页 |
| 3.1.3 余弦距离 | 第32页 |
| 3.2 基于距离的情感词与属性词语义相似度计算比较实验 | 第32-39页 |
| 3.2.1 实验方案设计 | 第32-34页 |
| 3.2.2 基于欧氏距离的情感词与属性词词对分布规律实验分析 | 第34-37页 |
| 3.2.3 基于余弦距离的情感词与属性词词对分布规律实验分析 | 第37-39页 |
| 3.3 基于词对余弦距离分布规律的情感词与属性词分类标准 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 情感词与属性词的分类提取算法与匹配规则 | 第41-49页 |
| 4.1 基于词典的情感词与显式属性词提取算法 | 第41-44页 |
| 4.1.1 情感词与属性词分类提取算法设计 | 第41-43页 |
| 4.1.2 基础词典库自动扩充机制设计 | 第43-44页 |
| 4.2 情感词与属性词匹配规则 | 第44-46页 |
| 4.3 隐式属性词提取算法 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 面向商品属性的细粒度情感倾向计算方法 | 第49-65页 |
| 5.1 网购评论信息细粒度情感分析过程框架 | 第49-50页 |
| 5.2 情感种子词典的构建 | 第50-55页 |
| 5.2.1 情感分析基础实验语料库构建 | 第50-51页 |
| 5.2.2 基础词性词典创建 | 第51-55页 |
| 5.2.3 情感词倾向初步标记 | 第55页 |
| 5.3 情感倾向值计算 | 第55-60页 |
| 5.3.1 基于字的情感词倾向程度计算 | 第55-56页 |
| 5.3.2 情感词分类 | 第56-57页 |
| 5.3.3 基于字的情感词倾向程度改进算法 | 第57-60页 |
| 5.4 实验验证与结果分析 | 第60-64页 |
| 5.4.1 情感倾向计算验证实验 | 第60-62页 |
| 5.4.2 未匹配情感词倾向计算实验 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间公开发表学术论文情况 | 第72-73页 |
| 致谢 | 第73页 |
