基于细粒度观点搭配汽车产品评论情感分析
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 引言 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究动态 | 第15-17页 |
| 1.2.1 要素级情感分析的研究现状 | 第15-16页 |
| 1.2.2 主题模型研究现状 | 第16-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第二章 数据采集与资源构建 | 第19-25页 |
| 2.1 评论数据采集 | 第19-20页 |
| 2.2 评论数据处理 | 第20-22页 |
| 2.2.1 评论数据预处理 | 第20-21页 |
| 2.2.2 评论数据分词 | 第21-22页 |
| 2.3 情感词典的构建 | 第22-23页 |
| 2.4 副词词典的构建 | 第23-25页 |
| 第三章 产品要素词抽取与分类 | 第25-29页 |
| 3.1 LDA主题模型介绍及模型参数估计 | 第25-27页 |
| 3.1.1 LDA主题模型介绍 | 第25-26页 |
| 3.1.2 LDA主题模型参数估计 | 第26-27页 |
| 3.1.3 LDA主题模型中其它参数的确定 | 第27页 |
| 3.2 运用LDA模型进行产品要素词抽取 | 第27-28页 |
| 3.3 要素词分类 | 第28-29页 |
| 第四章 基于细粒度观点搭配的抽取 | 第29-33页 |
| 4.1 搭配抽取模式 | 第29-30页 |
| 4.2 搭配筛选最小阈值 | 第30-31页 |
| 4.3 搭配抽取模式中的冲突消解方案 | 第31-33页 |
| 第五章 汽车产品评论情感分析 | 第33-41页 |
| 5.1 基于细粒度观点搭配的情感倾向判别 | 第33-35页 |
| 5.1.1 搭配组合的情感极性值计算 | 第33-34页 |
| 5.1.2 情感极性值修正 | 第34-35页 |
| 5.2 带权向量空间模型 | 第35-37页 |
| 5.2.1 TF-IDF算法 | 第35页 |
| 5.2.2 文本向量化表示 | 第35-37页 |
| 5.2.3 缺省值补充 | 第37页 |
| 5.3 基于KNN的评论文本情感倾向分析 | 第37-41页 |
| 5.3.1 评论文本相似性度量 | 第37页 |
| 5.3.2 KNN算法介绍 | 第37-38页 |
| 5.3.3 分类结果有效性的评价指标 | 第38-39页 |
| 5.3.4 实验数据及结果分析 | 第39-41页 |
| 第六章 基于细粒度产品评论可视化展示 | 第41-45页 |
| 6.1 要素词可视化展示 | 第41-42页 |
| 6.2 基于细粒度观点搭配可视化展示 | 第42-43页 |
| 6.3 情感极性可视化展示 | 第43-45页 |
| 第七章 总结与展望 | 第45-47页 |
| 7.1 本文内容总结 | 第45页 |
| 7.2 未来研究建议 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 个人简况及联系方式 | 第53-54页 |
