首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

教材在线评论的情感倾向性分析研究

中文摘要第3-4页
Abstract第4-5页
1 绪论第8-15页
    1.1 研究背景第8-9页
    1.2 研究意义第9页
    1.3 国内外研究现状第9-12页
        1.3.1 粗粒度情感分析第9-11页
        1.3.2 细粒度情感分析第11-12页
    1.4 论文主要研究内容第12-14页
    1.5 论文组织结构第14-15页
2 细粒度情感分析的相关理论和技术第15-24页
    2.1 细粒度情感分析的基本流程第15-16页
    2.2 评论语料库的构建第16-19页
        2.2.1 评论数据的分布平台第16页
        2.2.2 数据采集技术第16-17页
        2.2.3 文本预处理技术第17-19页
    2.3 特征词提取第19-21页
    2.4 意见词提取第21-22页
    2.5 细粒度情感倾向性分析第22页
    2.6 本章小结第22-24页
3 教材产品特征词库构建第24-33页
    3.1 教材评论语料库构建第24-29页
        3.1.1 教材评论语料的采集第24-26页
        3.1.2 教材评论语料的去噪处理第26-28页
        3.1.3 分词和词性标注处理第28-29页
    3.2 产品特征词库的构建第29-33页
        3.2.1 产品特征词库构建第29-31页
        3.2.2 产品特征词库扩展第31页
        3.2.3 产品特征聚类第31-33页
4 教材评论情感词典的构建第33-39页
    4.1 通用情感词典的选择第33-34页
    4.2 领域情感词典的构建第34页
    4.3 网络情感词典的构建第34-35页
    4.4 极性修饰情感词典的构建第35-36页
    4.5 实验设计与结果分析第36-39页
        4.5.1 实验数据第36页
        4.5.2 评价指标第36-37页
        4.5.3 实验结果及分析第37-39页
5 教材评论的情感倾向性分析第39-49页
    5.1 教材评论的依存句法分析第39-41页
    5.2 教材评论的情感倾向性分析方法第41-47页
        5.2.1 SBV算法第41页
        5.2.2 SBV算法应用于教材评论中存在的问题第41-44页
        5.2.3 改进思路第44页
        5.2.4 教材评论的细粒度情感分析算法第44-47页
    5.3 实验设计和结果分析第47-49页
        5.3.1 实验数据第47页
        5.3.2 评价指标第47页
        5.3.3 实验结果和分析第47-49页
6 总结与展望第49-51页
    6.1 总结第49页
    6.2 展望第49-51页
参考文献第51-55页
在读期间发表的论文第55-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:卡车车架静动态特性分析及结构优化方法研究
下一篇:创业板上市公司内部控制对盈余管理抑制性的实证研究