| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 情感倾向性分析 | 第10-13页 |
| 1.2.2 跨领域情感倾向性分析 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 相关技术研究 | 第17-25页 |
| 2.1 情感分类方法 | 第17-21页 |
| 2.1.1 无监督的学习方法 | 第17-18页 |
| 2.1.2 半监督的学习方法 | 第18页 |
| 2.1.3 有监督的学习方法 | 第18-21页 |
| 2.2 组合分类方法 | 第21-22页 |
| 2.3 标签传播算法 | 第22-24页 |
| 2.3.1 标签传播算法的原理 | 第22-23页 |
| 2.3.2 标签传播算法的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于可信标签扩展传递的词语级跨领域倾向性分析 | 第25-35页 |
| 3.1 引言 | 第25-26页 |
| 3.2 问题定义与算法初始化 | 第26-27页 |
| 3.3 算法设计 | 第27-30页 |
| 3.3.1 枢纽特征词的选择策略 | 第27-28页 |
| 3.3.2 情感词之间的相似度计算 | 第28页 |
| 3.3.3 算法过程描述 | 第28-30页 |
| 3.4 实验结果与分析 | 第30-34页 |
| 3.4.1 实验数据 | 第30-31页 |
| 3.4.2 评价指标 | 第31页 |
| 3.4.3 参数设置 | 第31-33页 |
| 3.4.4 对比结果分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于组合框架模型的跨领域产品评论情感倾向性分析 | 第35-45页 |
| 4.1 引言 | 第35-36页 |
| 4.2 词典规则分类器的构建 | 第36-39页 |
| 4.2.1 情感词典资源 | 第36-37页 |
| 4.2.2 情感单元划分及其倾向值计算 | 第37-38页 |
| 4.2.3 评论子句及评论整体情感倾向值计算 | 第38-39页 |
| 4.3 组合框架模型 | 第39-40页 |
| 4.4 实验及结果分析 | 第40-44页 |
| 4.4.1 实验数据与预处理 | 第40-41页 |
| 4.4.2 实验设置与结果分析 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 论文总结 | 第45-46页 |
| 5.2 研究展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻硕期间发表论文及科研成果 | 第51-53页 |
| 致谢 | 第53页 |