| 中文摘要 | 第1-12页 |
| 英文摘要 | 第12-14页 |
| 第一章 前言 | 第14-20页 |
| ·问题描述 | 第15-18页 |
| ·倾向性检测和极性分析 | 第15-16页 |
| ·"细颗粒度"情感倾向分析 | 第16-18页 |
| ·领域迁移 | 第18页 |
| ·本文的工作内容 | 第18页 |
| ·本文组织 | 第18-20页 |
| 第二章 相关工作 | 第20-28页 |
| ·倾向极性分析 | 第20-24页 |
| ·有监督分类算法应用 | 第20-21页 |
| ·特征选取 | 第21-23页 |
| ·无监督分类算法应用 | 第23-24页 |
| ·"细颗粒度"情感倾向分析 | 第24-25页 |
| ·领域迁移 | 第25-28页 |
| 第三章 基于半监督条件最大熵的倾向极性分析 | 第28-41页 |
| ·介绍 | 第28-29页 |
| ·半监督学习算法相关工作 | 第29页 |
| ·MPQA语料集数据分析 | 第29-30页 |
| ·半监督条件最大熵算法 | 第30-36页 |
| ·条件最大熵 | 第32-33页 |
| ·特征选择 | 第33-35页 |
| ·半监督条件最大熵算法 | 第35页 |
| ·时间和空间复杂度 | 第35-36页 |
| ·实验 | 第36-40页 |
| ·数据集 | 第36-37页 |
| ·特征对比实验 | 第37-39页 |
| ·SCME实验 | 第39-40页 |
| ·结论 | 第40-41页 |
| 第四章 基于条件随机场的评价单元抽取 | 第41-58页 |
| ·系统框架 | 第41-42页 |
| ·条件随机场介绍 | 第42-44页 |
| ·参数估计 | 第43-44页 |
| ·被评价对象以及评价词识别 | 第44-48页 |
| ·评价词抽取 | 第45-46页 |
| ·被评价对象抽取 | 第46-48页 |
| ·评价关系抽取 | 第48-50页 |
| ·评价单元构成 | 第50-52页 |
| ·实验 | 第52-57页 |
| ·语料库 | 第52-53页 |
| ·实验结果 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于MAP的条件随机场模型自适应算法 | 第58-67页 |
| ·模型自适应相关工作 | 第59页 |
| ·算法介绍 | 第59-60页 |
| ·实验 | 第60-65页 |
| ·被评价对象抽取 | 第60-61页 |
| ·组块分析实验 | 第61-63页 |
| ·大写字母识别实验 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 本体库半自动构建方法 | 第67-80页 |
| ·简介 | 第67-68页 |
| ·相关工作 | 第68页 |
| ·基于图互增强模型的自举学习算法 | 第68-72页 |
| ·GMR-Bootstrapping算法结构 | 第69页 |
| ·抽取模板 | 第69-71页 |
| ·GMR评分 | 第71-72页 |
| ·多组种类同时学习 | 第72页 |
| ·实验 | 第72-78页 |
| ·MUC4语料库实验结果 | 第73-74页 |
| ·中文语料库实验结果 | 第74-78页 |
| ·本章小结 | 第78-80页 |
| 第七章 面向汽车领域的"细颗粒度"情感倾向分析系统 | 第80-90页 |
| ·系统框架 | 第81-82页 |
| ·知识库构建 | 第82-84页 |
| ·品牌型号知识库 | 第82-83页 |
| ·属性知识库 | 第83页 |
| ·评价词知识库 | 第83-84页 |
| ·半自动知识库构建 | 第84页 |
| ·系统展现 | 第84-86页 |
| ·结论 | 第86-90页 |
| 第八章 总结与展望 | 第90-92页 |
| ·本文工作总结 | 第90-91页 |
| ·工作展望 | 第91-92页 |
| 参考文献 | 第92-105页 |
| 攻读博士期间的主要工作 | 第105-107页 |
| 致谢 | 第107-108页 |