酒店评论的情感分析--以昆明市五星级酒店的样本为例
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第9-19页 |
| 第一节 选题背景及意义 | 第9-12页 |
| 第二节 研究现状 | 第12-15页 |
| 一、国外研究现状 | 第12-14页 |
| 二、国内研究现状 | 第14-15页 |
| 第三节 论文研究的思路及方法 | 第15-17页 |
| 第四节 本文的创新点 | 第17-19页 |
| 第二章 文本分类的相关理论 | 第19-28页 |
| 第一节 文本分类介绍 | 第19-21页 |
| 一、文本分类的基本概念 | 第19页 |
| 二、文本的情感分析 | 第19-20页 |
| 三、文本分类的分类方法 | 第20页 |
| 四、文本分类的性能评估 | 第20-21页 |
| 第二节 朴素贝叶斯分类理论 | 第21-23页 |
| 第三节 特征的选取 | 第23-26页 |
| 一、用于关联规则学习的Apriori算法 | 第24-25页 |
| 二、TF-IDF标准 | 第25-26页 |
| 第四节 中文分词理论 | 第26-28页 |
| 一、基于字符串匹配的分词方法 | 第26页 |
| 二、基于理解的分词方法 | 第26页 |
| 三、基于统计的分词方法 | 第26-27页 |
| 四、基于语义的分词方法 | 第27-28页 |
| 第三章 特征选取的优化 | 第28-39页 |
| 第一节 评论的情感分析介绍 | 第28-29页 |
| 第二节 基于情感的文本分类理论介绍 | 第29-31页 |
| 第三节 文本情感分类过程 | 第31-35页 |
| 一、分类器的推导 | 第31-32页 |
| 二、酒店评论情感分析 | 第32-35页 |
| 第四节 特征选取方法的改进 | 第35-39页 |
| 一、基于词性的特征选取算法 | 第35-37页 |
| 二、优化方法的性能评估 | 第37-39页 |
| 第四章 昆明五星级酒店评论的情感分析 | 第39-46页 |
| 第一节 数据源的介绍 | 第39-40页 |
| 一、数据的收集 | 第39页 |
| 二、数据的预处理 | 第39-40页 |
| 第二节 酒店评论的特征选取 | 第40-41页 |
| 第三节 朴素贝叶斯方法进行情感分析 | 第41-43页 |
| 第四节 结果分析 | 第43-44页 |
| 第五节 情感分析的扩展 | 第44-46页 |
| 第五章 结论 | 第46-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 本人在读期间完成的科研成果 | 第55页 |
