| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 基于情感词典的情感分类的研究现状 | 第13-14页 |
| 1.2.2 基于机器学习的情感分析的研究现状 | 第14-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 系统设计原理与基本任务 | 第19-35页 |
| 2.1 基于情感词典的情感分析 | 第19-20页 |
| 2.1.1 情感词典 | 第19页 |
| 2.1.2 基于情感词典的情感计算 | 第19-20页 |
| 2.2 基于机器学习的情感分析 | 第20-29页 |
| 2.2.1 文本预处理 | 第21页 |
| 2.2.2 文档表示模型 | 第21-22页 |
| 2.2.3 特征提取 | 第22-23页 |
| 2.2.4 特征加权 | 第23-24页 |
| 2.2.5 分类器构建 | 第24-28页 |
| 2.2.6 分类结果评价 | 第28-29页 |
| 2.3 在线汽车商品评论的概念、分类及情感度量 | 第29-31页 |
| 2.3.1 在线汽车评论相关概念 | 第29页 |
| 2.3.2 在线汽车评论分类 | 第29-30页 |
| 2.3.3 在线汽车评论情感度量 | 第30-31页 |
| 2.4 在线汽车商品评论数据集构建 | 第31-33页 |
| 2.4.1 爬取在线汽车评论 | 第31-32页 |
| 2.4.2 构建各评论角度下的数据集 | 第32-33页 |
| 2.5 在线汽车评论分析基本任务 | 第33-35页 |
| 第三章 基于机器学习的情感分类方法SCCDW | 第35-50页 |
| 3.1 算法框图 | 第35-36页 |
| 3.2 数据集选取 | 第36页 |
| 3.3 情感分类模块 | 第36-42页 |
| 3.3.1 文本预处理 | 第37-38页 |
| 3.3.2 提取依存关系对 | 第38-40页 |
| 3.3.3 单词类别映射 | 第40-41页 |
| 3.3.4 获取特征向量 | 第41页 |
| 3.3.5 训练分类模块 | 第41-42页 |
| 3.4 语义相似单词聚类 | 第42-47页 |
| 3.4.1 训练单词离散向量 | 第42-45页 |
| 3.4.2 相似向量聚类 | 第45-47页 |
| 3.5 结果评价 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于评论文本情感的综合评分系统 | 第50-72页 |
| 4.1 系统框架 | 第50-51页 |
| 4.2 商品属性词、情感评价词以及情感程度词三元组联合提取 | 第51-57页 |
| 4.2.1 基于依存句法分析的三元组联合提取模型框架 | 第52页 |
| 4.2.2 切分句子、依存句法分析 | 第52-54页 |
| 4.2.3 提取分句中主干内容 | 第54-55页 |
| 4.2.4 提取三元组 | 第55-57页 |
| 4.3 汽车领域情感词典的构造 | 第57-59页 |
| 4.3.1 基于HOWNET的种子情感词的选取 | 第57页 |
| 4.3.2 基于WORD2VECTOR的情感词典的扩充 | 第57-59页 |
| 4.4 基于情感词的情感极性程度计算 | 第59-61页 |
| 4.4.1 情感权重赋值 | 第59-61页 |
| 4.4.2 情感极性程度分数计算 | 第61页 |
| 4.5 调整情感权重 | 第61-64页 |
| 4.5.1 调整情感权重流程 | 第61-62页 |
| 4.5.2 实验结果 | 第62-64页 |
| 4.6 综合计算评论分数 | 第64-69页 |
| 4.6.1 情感极性程度分数划分规则 | 第64-66页 |
| 4.6.2 实验结果 | 第66-69页 |
| 4.7 系统应用 | 第69-70页 |
| 4.8 本章小结 | 第70-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 未来展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
