| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景、目的与意义 | 第10-12页 |
| 1.3 相关领域国内外研究现状分析 | 第12-19页 |
| 1.3.1 文本情感倾向性分析研究 | 第13-15页 |
| 1.3.2 评论对象抽取研究 | 第15-17页 |
| 1.3.3 文本聚类与分类研究 | 第17-19页 |
| 1.4 本文主要研究内容和组织结构 | 第19-21页 |
| 1.4.1 研究内容 | 第19页 |
| 1.4.2 论文组织结构 | 第19-21页 |
| 第2章 基于 HF-CRFs 模型的产品属性抽取 | 第21-42页 |
| 2.1 CRFs模型 | 第21-22页 |
| 2.2 产品属性抽取方法 | 第22-24页 |
| 2.3 HF-CRFs 模型建模 | 第24-32页 |
| 2.3.1 特征选择 | 第24-25页 |
| 2.3.2 构建领域词典 | 第25-26页 |
| 2.3.3 设计特征模板 | 第26-28页 |
| 2.3.4 定义分层特征函数 | 第28-30页 |
| 2.3.5 HF-CRFs 模型训练与测试 | 第30-32页 |
| 2.4 实验与分析 | 第32-41页 |
| 2.4.1 实验数据集 | 第32页 |
| 2.4.2 评价指标 | 第32-33页 |
| 2.4.3 对比实验 | 第33-34页 |
| 2.4.4 结果分析 | 第34-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 基于Word2vec 的产品属性分类 | 第42-56页 |
| 3.1 相关理论基础 | 第42-44页 |
| 3.1.1 支持向量机 | 第42-43页 |
| 3.1.2 文本表示模型 | 第43-44页 |
| 3.2 基于 Word2vec 的词语级文本分类方法 | 第44-50页 |
| 3.2.1 产品属性分类方法 | 第44-46页 |
| 3.2.2 构建词向量模型 | 第46-48页 |
| 3.2.3 构建SVM分类器 | 第48-49页 |
| 3.2.4 基于词向量的词语级文本分类方法 | 第49-50页 |
| 3.3 实验与分析 | 第50-54页 |
| 3.3.1 实验数据集 | 第50-51页 |
| 3.3.2 评价指标 | 第51-52页 |
| 3.3.3 结果分析 | 第52-54页 |
| 3.4 本章小结 | 第54-56页 |
| 第4章 产品属性识别在汽车用户评论分析中的应用研究 | 第56-67页 |
| 4.1 需求分析 | 第56页 |
| 4.2 系统总体架构 | 第56-57页 |
| 4.3 汽车用户意见分析系统功能设计 | 第57-60页 |
| 4.3.1 数据采集模块 | 第57-58页 |
| 4.3.2 数据预处理模块 | 第58-59页 |
| 4.3.3 数据分析模块 | 第59-60页 |
| 4.3.4 数据展示模块 | 第60页 |
| 4.3.5 系统管理模块 | 第60页 |
| 4.4 汽车用户意见分析系统实现与验证 | 第60-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 全文工作总结 | 第67-68页 |
| 5.2 未来工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |