| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 情感分析相关知识 | 第11-12页 |
| 1.2.2 评价对象抽取研究现状 | 第12-14页 |
| 1.2.3 评价极性判别研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 1.4 本文内容安排 | 第17-19页 |
| 第2章 评价对象抽取方法研究 | 第19-45页 |
| 2.1 引言 | 第19-20页 |
| 2.2 问题定义与数据集 | 第20-22页 |
| 2.2.1 问题定义 | 第20页 |
| 2.2.2 实验数据集 | 第20-22页 |
| 2.3 基于条件随机场的评价对象抽取 | 第22-27页 |
| 2.3.1 条件随机场 | 第22-24页 |
| 2.3.2 特征提取 | 第24-27页 |
| 2.4 基于深度学习的评价对象抽取 | 第27-37页 |
| 2.4.1 循环神经网络 | 第27-30页 |
| 2.4.2 基于BLSTM-CRF的评价对象抽取 | 第30-31页 |
| 2.4.3 基于输出依赖的双向LSTM模型的评价对象抽取 | 第31-37页 |
| 2.5 实验设置与结果分析 | 第37-44页 |
| 2.5.1 评价指标 | 第37-38页 |
| 2.5.2 基线方法 | 第38页 |
| 2.5.3 实验结果及分析 | 第38-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 评价对象极性判别方法研究 | 第45-65页 |
| 3.1 引言 | 第45-46页 |
| 3.2 问题定义与数据集 | 第46-48页 |
| 3.2.1 问题定义 | 第46-47页 |
| 3.2.2 实验数据集 | 第47-48页 |
| 3.3 基于模型融合的评价对象极性判别 | 第48-55页 |
| 3.3.1 支持向量机模型 | 第49-50页 |
| 3.3.2 随机森林模型 | 第50-51页 |
| 3.3.3 模型融合方法 | 第51-53页 |
| 3.3.4 特征提取 | 第53-55页 |
| 3.4 基于深度学习的评价对象极性判别 | 第55-58页 |
| 3.4.1 基于LSTM的评价对象极性判别 | 第55-56页 |
| 3.4.2 基于双向LSTM的评价对象极性判别 | 第56-57页 |
| 3.4.3 句子预处理及未登录词词向量表示 | 第57-58页 |
| 3.4.4 模型训练 | 第58页 |
| 3.5 实验设置与结果分析 | 第58-64页 |
| 3.5.1 评价指标 | 第58-59页 |
| 3.5.2 基线方法 | 第59页 |
| 3.5.3 实验结果及分析 | 第59-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第4章 餐馆评论情感分析系统的设计与实现 | 第65-74页 |
| 4.1 引言 | 第65页 |
| 4.2 餐馆评论情感分析系统的总体结构与设计 | 第65-66页 |
| 4.3 餐馆评论情感分析系统各模块详细设计与实现 | 第66-69页 |
| 4.3.1 用户评价交互模块 | 第67页 |
| 4.3.2 数据获取模块 | 第67页 |
| 4.3.3 评论文本分析模块 | 第67-68页 |
| 4.3.4 结果数据存储模块 | 第68-69页 |
| 4.3.5 统计信息展示模块 | 第69页 |
| 4.4 系统功能展示 | 第69-73页 |
| 4.4.1 系统登录 | 第69-70页 |
| 4.4.2 评价对象占比图 | 第70-71页 |
| 4.4.3 评价极性占比图 | 第71-72页 |
| 4.4.4 用户评价交互 | 第72-73页 |
| 4.4.5 评价信息分类浏览 | 第73页 |
| 4.5 本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82页 |