基于主题模型的在线评论分析方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 在线评论分析研究现状 | 第15-18页 |
| 1.2.1 评论属性词挖掘 | 第15-16页 |
| 1.2.2 情感倾向分析 | 第16-17页 |
| 1.2.3 评论质量分析 | 第17-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 论文的组织结构 | 第19-20页 |
| 第二章 相关理论研究 | 第20-30页 |
| 2.1 在线评论文本概述 | 第20-21页 |
| 2.2 在线评论分析的相关技术 | 第21-22页 |
| 2.3 情感主题模型的相关介绍 | 第22-28页 |
| 2.3.1 主题模型的发展 | 第22-26页 |
| 2.3.2 情感主题模型的应用 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 商品属性词-评价词关系库挖掘方法 | 第30-42页 |
| 3.1 问题引出及方法概述 | 第30-31页 |
| 3.2 数据预处理 | 第31-32页 |
| 3.2.1 词向量提取 | 第31页 |
| 3.2.2 单字过滤与互信息过滤 | 第31-32页 |
| 3.3 评论聚类 | 第32-35页 |
| 3.3.1 语义相似度算法 | 第33-34页 |
| 3.3.2 AP近邻传播聚类 | 第34-35页 |
| 3.4 构建属性词-评价词关系库 | 第35-36页 |
| 3.5 实验及分析 | 第36-40页 |
| 3.5.1 评价标准 | 第36页 |
| 3.5.2 实验数据集 | 第36-37页 |
| 3.5.3 互信息过滤的阈值确定 | 第37-38页 |
| 3.5.4 建立属性词-评价词关系库 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于改进情感主题模型的在线评论情感分析 | 第42-54页 |
| 4.1 问题引出及方法概述 | 第42-43页 |
| 4.2 隐式商品评论属性词发现 | 第43-44页 |
| 4.3 否定词探测 | 第44-45页 |
| 4.4 融入先验信息的情感主题模型 | 第45-48页 |
| 4.4.1 SSTM模型 | 第45-47页 |
| 4.4.2 融入先验信息的SSTM模型 | 第47-48页 |
| 4.5 实验及分析 | 第48-52页 |
| 4.5.1 隐式商品评价属性识别 | 第48-49页 |
| 4.5.2 情感主题建模实验及分析 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 基于DSTM的在线评论主题情感演化分析 | 第54-64页 |
| 5.1 问题引出及相关介绍 | 第54页 |
| 5.2 动态情感主题模型 | 第54-57页 |
| 5.2.1 DSTM模型介绍 | 第54-56页 |
| 5.2.2 参数估计 | 第56-57页 |
| 5.3 在线评论主题情感演化 | 第57-58页 |
| 5.4 实验及分析 | 第58-63页 |
| 5.4.1 实验数据 | 第58-59页 |
| 5.4.2 实验结果及主题情感演化分析 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
