| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第8-10页 |
| ·研究背景 | 第8页 |
| ·观点挖掘定义 | 第8页 |
| ·观点挖掘的主要任务 | 第8页 |
| ·研究的目的和意义 | 第8-9页 |
| ·本文篇章结构 | 第9-10页 |
| 第二章 数据预处理、基于特征的观点挖掘系统架构、相关NLP和机器学习方法简介 | 第10-20页 |
| ·数据抓取 | 第10-11页 |
| ·开源爬虫--Crawler4j简介 | 第10-11页 |
| ·数据预处理 | 第11-13页 |
| ·开源工具—HTML PARSER简介 | 第12-13页 |
| ·数据存储 | 第13页 |
| ·相关NLP方法简介 | 第13-14页 |
| ·中文分词 | 第13页 |
| ·词性标注 | 第13-14页 |
| ·相关机器学习方法简介 | 第14-16页 |
| ·支持向量机模型(SVM) | 第14-16页 |
| ·基于特征的观点挖掘系统架构 | 第16-18页 |
| ·基于特征的观点挖掘技术简介 | 第16页 |
| ·基于特征的观点挖掘系统基本构成 | 第16-18页 |
| ·评审格式 | 第18-20页 |
| ·自由格式 | 第18页 |
| ·模板式 | 第18-20页 |
| 第三章 特征词与观点词提取 | 第20-28页 |
| ·特征提取 | 第20-26页 |
| ·基于规则的特征提取 | 第20-21页 |
| ·基于统计的特征提取 | 第21-24页 |
| ·本文实验模型 | 第24-26页 |
| ·观点词提取 | 第26-28页 |
| ·基于词性的观点词提取 | 第26页 |
| ·基于句法的观点词提取 | 第26-28页 |
| 第四章 观点倾向判别分析与摘要生成 | 第28-38页 |
| ·观点词褒贬性判别分析 | 第28-33页 |
| ·现有方法-基于词典的方法 | 第28-29页 |
| ·其他现有方法简述 | 第29-30页 |
| ·判别新方法-Baseline1 | 第30-31页 |
| ·判别新方法-Baseline2 | 第31-32页 |
| ·判别新方法-Baseline3 | 第32页 |
| ·判别新方法-机器学习方法 | 第32-33页 |
| ·特征词观点倾向判别分析 | 第33-34页 |
| ·现有方法 | 第34页 |
| ·本文所用方法 | 第34页 |
| ·生成摘要 | 第34-38页 |
| ·生成初始摘要 | 第34-35页 |
| ·特征词-观点词关联度算法 | 第35-36页 |
| ·摘要剪枝 | 第36-38页 |
| 第五章 观点挖掘系统 | 第38-42页 |
| ·MiNi-Opinion Miner简介 | 第38-39页 |
| ·MiNi-Opinion Miner系统开发环境 | 第39页 |
| ·MiNi-Opinion Miner工作流程 | 第39-40页 |
| ·Demo演示 | 第40-42页 |
| 第六章 总结和展望 | 第42-44页 |
| ·本文的主要工作 | 第42页 |
| ·下一步的工作 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |