基于HowNet和用户点赞的中文电影评论情感分析研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.4 研究内容 | 第15-17页 |
| 第二章 本文的相关理论和知识基础 | 第17-30页 |
| 2.1 数据预处理 | 第17-20页 |
| 2.1.1 数据收集和前期处理 | 第17-18页 |
| 2.1.2 中文分词 | 第18-19页 |
| 2.1.3 去停用词 | 第19-20页 |
| 2.2 情感分析方法 | 第20-23页 |
| 2.2.1 基于词典方法 | 第20-21页 |
| 2.2.2 基于机器学习方法 | 第21-23页 |
| 2.3 特征提取 | 第23-27页 |
| 2.3.1 TF-IDF | 第24-25页 |
| 2.3.2 信息增益 | 第25页 |
| 2.3.3 ONE-HOT编码 | 第25-26页 |
| 2.3.4 词袋 | 第26页 |
| 2.3.5 主成分分析 | 第26-27页 |
| 2.4 评价指标 | 第27-29页 |
| 2.4.1 准确率 | 第27页 |
| 2.4.2 精确率 | 第27页 |
| 2.4.3 召回率 | 第27-28页 |
| 2.4.4 F1 测度 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于HowNet的中文电影评论情感分析 | 第30-39页 |
| 3.1 数据采集和预处理 | 第30-32页 |
| 3.1.1 数据采集 | 第30-31页 |
| 3.1.2 预处理 | 第31-32页 |
| 3.2 电影领域词典构建 | 第32-33页 |
| 3.3 否定词和程度词构建 | 第33-34页 |
| 3.4 用户点赞和权值 | 第34页 |
| 3.5 特征提取 | 第34-35页 |
| 3.6 本文情感分析方法 | 第35-38页 |
| 3.6.1 基于自定义领域词典的数据标注 | 第35-36页 |
| 3.6.2 模型选择和改进 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 实验过程和结果分析 | 第39-48页 |
| 4.1 实验准备 | 第39-40页 |
| 4.1.1 实验环境 | 第39页 |
| 4.1.2 实验数据集 | 第39-40页 |
| 4.1.3 实验目的 | 第40页 |
| 4.2 实验过程 | 第40-41页 |
| 4.2.1 预处理 | 第40页 |
| 4.2.2 特征提取 | 第40页 |
| 4.2.3 模型选择 | 第40-41页 |
| 4.3 结果分析 | 第41-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结 | 第48-50页 |
| 5.1 本文主要内容 | 第48-49页 |
| 5.2 创新与不足 | 第49-50页 |
| 5.2.1 创新 | 第49页 |
| 5.2.2 不足 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间取得的研究成果 | 第55页 |
