| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 情感分析的相关技术 | 第13-25页 |
| 2.1 情感分析的相关问题 | 第13-15页 |
| 2.1.1 情感分析的粒度 | 第13页 |
| 2.1.2 情感倾向 | 第13-14页 |
| 2.1.3 情感词典的构建 | 第14-15页 |
| 2.2 要素级情感分析方法 | 第15-18页 |
| 2.2.1 语料级别的要素级情感分析 | 第16-17页 |
| 2.2.2 基于监督学习的要素级情感分析 | 第17-18页 |
| 2.2.3 基于主题模型的要素级情感分析 | 第18页 |
| 2.3 概率图模型的表示 | 第18-21页 |
| 2.3.1 概率图模型概述 | 第18-19页 |
| 2.3.2 概率图模型的表示理论 | 第19-21页 |
| 2.4 概率图模型的推理 | 第21-25页 |
| 2.4.1 精确推理算法 | 第21页 |
| 2.4.2 拒绝性采样 | 第21-22页 |
| 2.4.3 重要性采样 | 第22-23页 |
| 2.4.4 马尔可夫链蒙特卡罗算法 | 第23-25页 |
| 第三章 基于概率图模型的要素抽取 | 第25-41页 |
| 3.1 LDA主题模型 | 第25-29页 |
| 3.1.1 LDA主题模型概述 | 第25-26页 |
| 3.1.2 LDA的生成模型 | 第26-27页 |
| 3.1.3 吉布斯采样 | 第27-29页 |
| 3.2 基于改进LDA模型的要素词抽取 | 第29-34页 |
| 3.2.1 常规LDA算法分析与改进 | 第29-32页 |
| 3.2.2 数据集、评价指标 | 第32-33页 |
| 3.2.3 实验结果 | 第33-34页 |
| 3.3 条件随机场模型 | 第34-37页 |
| 3.3.1 线性链条件随机场 | 第35-36页 |
| 3.3.2 条件随机场的学习 | 第36页 |
| 3.3.3 条件随机场的预测算法 | 第36-37页 |
| 3.4 基于CRF模型的要素词抽取 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 结合用户和评分的要素情感分析 | 第41-55页 |
| 4.1 基于用户评分的要素级情感分析 | 第41-44页 |
| 4.2 基于随机块的社区发现算法 | 第44-47页 |
| 4.3 基于要素级情感分析的推荐算法 | 第47-49页 |
| 4.3.1 推荐算法的研究意义 | 第47页 |
| 4.3.2 基于LDA与情感词典的要素级情感分析与推荐 | 第47-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.4.1 数据集 | 第49页 |
| 4.4.2 用户聚类实验 | 第49-50页 |
| 4.4.3 评分预测与推荐实验 | 第50-52页 |
| 4.5 本章小结 | 第52-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55-56页 |
| 5.2 工作的不足与未来的展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |