文本情感分析在商品评论中的应用研究--以京东智能冰箱评论为例
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 文本情感分析的研究现状 | 第12-16页 |
| 1.2.2 简要评述 | 第16-17页 |
| 1.3 研究思路、框架与创新点 | 第17-21页 |
| 1.3.1 研究思路 | 第17-18页 |
| 1.3.2 研究框架 | 第18-20页 |
| 1.3.3 论文创新点 | 第20-21页 |
| 第2章 相关技术及理论阐述 | 第21-35页 |
| 2.1 SparkR大数据分析平台 | 第21-22页 |
| 2.2 网络爬虫技术概述 | 第22-25页 |
| 2.2.1 网络爬虫概念 | 第22页 |
| 2.2.2 网络爬虫的分类 | 第22-23页 |
| 2.2.3 站点反爬虫机制的应对 | 第23-25页 |
| 2.3 中文文本处理技术概述 | 第25-29页 |
| 2.3.1 文本分词 | 第25-26页 |
| 2.3.2 依存句法关系 | 第26-27页 |
| 2.3.3 中文分词工具 | 第27-29页 |
| 2.4 文本情感分析技术及其相关理论 | 第29-35页 |
| 2.4.1 情感分析的含义与过程 | 第29页 |
| 2.4.2 情感分析中的特征选择 | 第29-32页 |
| 2.4.3 情感倾向分析的分类 | 第32-35页 |
| 第3章 京东智能冰箱评论的预处理和情感词典构建 | 第35-41页 |
| 3.1 语料的获取 | 第35-36页 |
| 3.1.1 研究对象 | 第35页 |
| 3.1.2 数据获取 | 第35-36页 |
| 3.2 语料预处理 | 第36-38页 |
| 3.2.1 评论的预规范 | 第36-37页 |
| 3.2.2 评论文本分词 | 第37-38页 |
| 3.3 商品特征属性和情感词典的构建 | 第38-41页 |
| 3.3.1 商品特征属性构建 | 第38页 |
| 3.3.2 情感词典的构建 | 第38-41页 |
| 第4章 京东智能冰箱评论的情感倾向性分析 | 第41-51页 |
| 4.1 语料库特征选择 | 第41-45页 |
| 4.1.1 基于机器学习的特征选择 | 第41-42页 |
| 4.1.2 基于句法关系的特征选择 | 第42-45页 |
| 4.2 情感倾向性程度分析 | 第45-48页 |
| 4.2.1 商品特征属性的初步分析 | 第45-47页 |
| 4.2.2 商品特征属性的情感倾向值 | 第47-48页 |
| 4.3 商品竞争优势分析 | 第48-51页 |
| 第5章 总结与展望 | 第51-55页 |
| 5.1 研究总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
