基于主题模型的网络评论情感倾向分析研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-21页 |
| 第二章 网络评论的情感分析相关工作 | 第21-33页 |
| 2.1 电商网络评论 | 第21-23页 |
| 2.2 文本表示技术 | 第23-25页 |
| 2.3 分类器技术 | 第25-33页 |
| 2.3.1 贝叶斯分类器 | 第25-27页 |
| 2.3.2 最大熵模型 | 第27-29页 |
| 2.3.3 SVM模型 | 第29-33页 |
| 第三章 网络评论情感倾向分析方法 | 第33-47页 |
| 3.1 SE-LDA模型 | 第33-43页 |
| 3.1.1 数据预处理 | 第33-35页 |
| 3.1.2 情感词典 | 第35-36页 |
| 3.1.3 SE-LDA评价对象生成规则 | 第36-37页 |
| 3.1.4 LDA建模 | 第37-41页 |
| 3.1.5 分类器分类 | 第41-43页 |
| 3.2 ST-LDA模型 | 第43-47页 |
| 第四章 实验与分析 | 第47-59页 |
| 4.1 数据搜集 | 第47页 |
| 4.2 实验结果评价方法 | 第47-49页 |
| 4.3 实验结果与分析 | 第49-56页 |
| 4.3.1 分类器选取 | 第50-52页 |
| 4.3.2 分类结果分析 | 第52-54页 |
| 4.3.3 评价对象分析 | 第54-56页 |
| 4.4 讨论 | 第56-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 工作展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 研究成果及发表的学术论文 | 第69-71页 |
| 作者简介 | 第71-72页 |
| 附件 | 第72-73页 |
