| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-17页 |
| 1.1 课题来源和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 评论意见挖掘 | 第11-12页 |
| 1.2.2 评论对象特征挖掘 | 第12-13页 |
| 1.2.3 评论对象特征聚类 | 第13-14页 |
| 1.3 研究内容和组织结构 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 组织结构 | 第15-17页 |
| 第2章 基于 Apriori 算法的中文评论对象特征抽取 | 第17-26页 |
| 2.1 Apriori 算法的基本原理 | 第17-19页 |
| 2.1.1 关联规则的基本概念 | 第17页 |
| 2.1.2 Apriori 算法 | 第17-19页 |
| 2.2 基于 Apriori 算法抽取候选评论对象特征 | 第19-22页 |
| 2.2.1 创建关联规则事务文件 | 第19-20页 |
| 2.2.2 基于 Apriori 算法提取候选特征集 | 第20页 |
| 2.2.3 结合剪枝方法过滤候选评论对象特征 | 第20-22页 |
| 2.3 实验验证及结果 | 第22-25页 |
| 2.3.1 性能评价指标 | 第22-23页 |
| 2.3.2 评论语料 | 第23-24页 |
| 2.3.3 实验结果 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 中文客户评论对象特征过滤 | 第26-34页 |
| 3.1 领域术语 | 第26-28页 |
| 3.1.1 领域术语的自动提取 | 第26-27页 |
| 3.1.2 特征的领域一致度和领域相关度定义 | 第27-28页 |
| 3.2 评论对象特征过滤 | 第28-31页 |
| 3.2.1 结合领域一致度和领域相关度的评论对象特征过滤 | 第28页 |
| 3.2.2 性能评估方法分析 | 第28-30页 |
| 3.2.3 阈值的选取 | 第30页 |
| 3.2.4 方法步骤 | 第30-31页 |
| 3.3 实验验证及评价 | 第31-32页 |
| 3.3.1 评论语料 | 第31页 |
| 3.3.2 训练阈值 | 第31页 |
| 3.3.3 实验结果 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 特征间的语义相似度算法 | 第34-43页 |
| 4.1 语义相似度算法概述 | 第34页 |
| 4.2 语义相似度计算的相关工作 | 第34-36页 |
| 4.2.1 基于语料库的方法 | 第34-35页 |
| 4.2.2 基于词典的方法 | 第35-36页 |
| 4.3 基于 Hownet 的特征相似度算法 | 第36-37页 |
| 4.3.1 Hownet 概述 | 第36页 |
| 4.3.2 基于 Hownet 的特征相似度 | 第36-37页 |
| 4.3.3 算法步骤 | 第37页 |
| 4.4 基于特征和观点共现信息的语义相似度 | 第37-40页 |
| 4.4.1 特征观点词集的提取 | 第37-40页 |
| 4.4.2 基于观点词集的特征相似度 | 第40页 |
| 4.5 特征间的语义相似度算法 | 第40-41页 |
| 4.5.1 相关定义 | 第40-41页 |
| 4.5.2 算法描述 | 第41页 |
| 4.6 实验结果及分析 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 中文客户评论对象特征的聚类 | 第43-49页 |
| 5.1 聚类分析 | 第43页 |
| 5.2 层次聚类算法 | 第43-44页 |
| 5.3 基于语义相似度的特征层次聚类算法 | 第44-46页 |
| 5.3.1 算法描述 | 第44-45页 |
| 5.3.2 性能评价指标 | 第45页 |
| 5.3.3 阈值的选取 | 第45-46页 |
| 5.4 实验分析 | 第46-48页 |
| 5.4.1 实验语料 | 第46页 |
| 5.4.2 训练阈值 | 第46-47页 |
| 5.4.3 实验结果 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-52页 |
| 6.1 主要工作总结 | 第49页 |
| 6.2 未来工作展望 | 第49-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-60页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第60页 |
