基于Web文本挖掘的企业口碑情感分类模型研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·文本挖掘技术研究现状 | 第12-14页 |
| ·情感分析技术研究现状 | 第14-15页 |
| ·网络口碑研究现状 | 第15-16页 |
| ·本文的研究内容及创新点 | 第16-20页 |
| ·研究目的及内容 | 第16-18页 |
| ·本文的创新点 | 第18-20页 |
| 2 Web文本挖掘和情感分析概述 | 第20-29页 |
| ·Web文本挖掘概述 | 第20-25页 |
| ·Web挖掘基础 | 第20-22页 |
| ·Web文本挖掘的定义 | 第22-23页 |
| ·Web文本挖掘的主要内容和方法 | 第23-25页 |
| ·情感分析概述 | 第25-29页 |
| ·词语级的情感极性分析 | 第25-27页 |
| ·句子级的情感极性分析 | 第27-28页 |
| ·细粒度的情感分析 | 第28-29页 |
| 3 口碑文本的采集和预处理 | 第29-44页 |
| ·口碑文本的采集 | 第29-40页 |
| ·网络爬虫技术 | 第29-31页 |
| ·网页文本抽取 | 第31-32页 |
| ·酒店口碑文本采集 | 第32-40页 |
| ·口碑文本的预处理 | 第40-44页 |
| ·口碑文本切词分词 | 第40-41页 |
| ·停用词过滤 | 第41-42页 |
| ·酒店口碑文本预处理 | 第42-44页 |
| 4 文本特征选择及其对构建情感分类器的影响 | 第44-52页 |
| ·基于情感词典的文本特征选择 | 第44-46页 |
| ·特征权值计算与文本向量表示 | 第46-47页 |
| ·特征选择对构建情感分类器的影响 | 第47-52页 |
| ·影响分析 | 第47-48页 |
| ·语料库和评价标准 | 第48-49页 |
| ·基于K最邻近算法的情感分类 | 第49-51页 |
| ·实验结果 | 第51-52页 |
| 5 基于情感词典的口碑情感分类模型 | 第52-64页 |
| ·知网情感词典的构建 | 第52-56页 |
| ·知网简介 | 第52-54页 |
| ·改进的知网情感词典的构建 | 第54-56页 |
| ·口碑文本的相似度计算 | 第56-58页 |
| ·文本相似度计算 | 第56页 |
| ·RapidMiner软件计算文本相似度 | 第56-57页 |
| ·实验结果 | 第57-58页 |
| ·口碑情感分类模型的构建 | 第58-64页 |
| ·口碑情感倾向计算 | 第58-60页 |
| ·口碑情感分类模型 | 第60-61页 |
| ·酒店口碑实证 | 第61-64页 |
| 6 细粒度的企业口碑情感分析模型 | 第64-72页 |
| ·细粒度情感分类模型的构建 | 第64-66页 |
| ·细粒度的酒店企业口碑情感分类流程 | 第66-70页 |
| ·酒店口碑数据准备 | 第66页 |
| ·特征选择方法比较实验 | 第66-68页 |
| ·RapidMiner构建细粒度分类器 | 第68-70页 |
| ·细粒度的酒店企业口碑情感分类实证 | 第70-72页 |
| 7 总结与展望 | 第72-74页 |
| ·主要研究工作总结 | 第72-73页 |
| ·对下一步工作的展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 在校期间发表的论文、科研成果等 | 第78-79页 |
| 致谢 | 第79页 |
