基于HNC理论的网购评论情感倾向性分析研究
| 摘要 | 第1-6页 |
| Abstract | 第6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·问题的提出 | 第8-9页 |
| ·课题研究的理论意义和应用价值 | 第9-10页 |
| ·研究意义 | 第9页 |
| ·应用价值 | 第9-10页 |
| ·主要研究内容与创新点 | 第10-11页 |
| ·论文结构与章节安排 | 第11-12页 |
| 2 相关理论基础 | 第12-26页 |
| ·情感倾向性分析技术 | 第12-16页 |
| ·Web2.0下互动文本抽取技术 | 第12-14页 |
| ·特征抽取研究现状 | 第14-15页 |
| ·文本倾向性判断研究现状 | 第15页 |
| ·极性强度计算研究现状 | 第15-16页 |
| ·概念层次网络(HNC) | 第16-22页 |
| ·概念基元符号体系 | 第16-18页 |
| ·概念关联性 | 第18页 |
| ·词语相似度计算 | 第18-19页 |
| ·句类分析 | 第19-20页 |
| ·句群语境单元萃取 | 第20-22页 |
| ·文本挖掘技术 | 第22-26页 |
| ·特征粒度树 | 第22-23页 |
| ·隐式评论对象推理 | 第23页 |
| ·文本分类技术 | 第23-26页 |
| 3 网购评论特征抽取 | 第26-44页 |
| ·评论语料获取 | 第26-28页 |
| ·评论语料预处理 | 第28-31页 |
| ·特殊文本修正 | 第28-29页 |
| ·过滤清洗 | 第29-30页 |
| ·分词与标注 | 第30页 |
| ·识别句类类型 | 第30-31页 |
| ·文本特征抽取 | 第31-42页 |
| ·基于HNC的特征抽取 | 第31-35页 |
| ·基于HNC的词语相似度计算 | 第35-36页 |
| ·评论对象粒度树建立方法 | 第36-40页 |
| ·评论对象粒度修正 | 第40-41页 |
| ·隐式评论对象推理 | 第41-42页 |
| ·评论语料的分类技术 | 第42-44页 |
| ·基于粒度树的评论对象分类 | 第42-43页 |
| ·改进的情感特征分类 | 第43-44页 |
| 4 网购评论情感倾向性判断 | 第44-53页 |
| ·影响情感极性的因素 | 第44-49页 |
| ·情感词褒贬判断 | 第44-46页 |
| ·程度副词和否定词 | 第46-47页 |
| ·标点符号 | 第47-49页 |
| ·情感倾向性计算方法 | 第49-53页 |
| ·褒贬形容词类 | 第49-50页 |
| ·描述性名词类 | 第50-52页 |
| ·综合评论文摘格式 | 第52-53页 |
| 5 情感倾向性分析方法在淘宝网的应用与评价 | 第53-59页 |
| ·实验设计 | 第53-55页 |
| ·实验数据来源 | 第53页 |
| ·实验环境 | 第53页 |
| ·测评标准 | 第53-54页 |
| ·实验方案 | 第54-55页 |
| ·实验结果与分析 | 第55-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
