| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-18页 |
| ·研究背景及国内外研究现状 | 第8-13页 |
| ·研究目的及意义 | 第13-16页 |
| ·目前网络贸易平台功能模块介绍 | 第13-14页 |
| ·用户评论信息抽取模块应用到网络贸易平台 | 第14-15页 |
| ·用户评论信息抽取模块 | 第15-16页 |
| ·信息抽取技术的评价指标 | 第16-17页 |
| ·本文的主要工作 | 第17-18页 |
| 2 相关知识 | 第18-26页 |
| ·购物网站用户评论信息抽取系统结构 | 第18页 |
| ·网页结构 | 第18-19页 |
| ·关联性规则 | 第19-20页 |
| ·数据分类 | 第20-21页 |
| ·离散型随机变量及其分布 | 第21-23页 |
| ·松弛标记 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 HU’S 用户评论信息抽取算法 | 第26-35页 |
| ·基于支持度算法的产品特征词抽取技术 | 第26-29页 |
| ·词性标注 | 第27页 |
| ·频繁特征词的产生 | 第27-28页 |
| ·特征词的修剪 | 第28-29页 |
| ·舆论词抽取及其语义取向识别 | 第29-33页 |
| ·舆论词抽取 | 第29-30页 |
| ·识别舆论词的语义取向 | 第30-33页 |
| ·低频特征词识别 | 第33页 |
| ·HU 的用户评论信息抽取算法的局限性 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于贝努利模型的产品特征词抽取算法 | 第35-42页 |
| ·词项的词性频率统计 | 第35页 |
| ·名词词项在评论中出现次数统计 | 第35-36页 |
| ·对名词词项建立贝努利模型 | 第36-37页 |
| ·识别复合名词产品特征词 | 第37-38页 |
| ·对频繁出现的名词进行过滤 | 第38页 |
| ·特征词最终选定 | 第38页 |
| ·实验结果 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 舆论词抽取及其语义取向识别 | 第42-50页 |
| ·舆论词语义取向任务描述 | 第43页 |
| ·松弛标记法概述 | 第43-44页 |
| ·为WORDS 标识SO 标记 | 第44-46页 |
| ·识别(WORD, FEATURE)SO 标记 | 第46页 |
| ·识别(W, F, S)SO 标记及确定舆论词短语 | 第46页 |
| ·实验结果 | 第46-49页 |
| ·实验1：SO 标记识别 | 第47-48页 |
| ·实验2：舆论短语识别 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 结束语 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
| A: 作者在攻读硕士学位期间发表的论文目录 | 第57页 |
| B 作者在攻读硕士学位期间参加的项目 | 第57页 |