| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| ·选题背景与意义 | 第12-13页 |
| ·选题背景 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·客户评价知识获取研究现状 | 第13-15页 |
| ·客户知识的内涵与分类 | 第13页 |
| ·客户评价知识的获取 | 第13-15页 |
| ·情感分析研究现状 | 第15-17页 |
| ·主观性内容的识别 | 第16页 |
| ·情感极性的判别及其强度计算 | 第16-17页 |
| ·Web 评价挖掘研究现状 | 第17-19页 |
| ·产品特征的抽取 | 第17-18页 |
| ·主观性关系抽取 | 第18-19页 |
| ·本文的研究内容 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第二章 相关理论 | 第22-29页 |
| ·客户评价知识的概念 | 第22页 |
| ·情感词典资源 | 第22-23页 |
| ·英文情感词词典 | 第22页 |
| ·中文情感词词典 | 第22-23页 |
| ·关联规则挖掘 | 第23-25页 |
| ·关联规则的基本概念 | 第23-24页 |
| ·Apriori 算法 | 第24-25页 |
| ·最大熵方法 | 第25-28页 |
| ·最大熵的概念 | 第25页 |
| ·条件最大熵模型 | 第25-26页 |
| ·最大熵模型的数学表示 | 第26-27页 |
| ·模型的选择 | 第27页 |
| ·特征的选择 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 客户评价知识获取框架研究 | 第29-37页 |
| ·客户评价知识获取总体框架 | 第29-30页 |
| ·客户评价知识获取的任务分析 | 第30-31页 |
| ·客户评价知识获取的方法研究 | 第31-34页 |
| ·评价句子的识别方法 | 第31-32页 |
| ·产品特征词的抽取方法 | 第32-33页 |
| ·产品特征词与评价词匹配关系的抽取方法 | 第33-34页 |
| ·方法性能的评估 | 第34页 |
| ·客户评价知识获取的技术支撑 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 评价句子识别与产品特征抽取 | 第37-45页 |
| ·基于情感词词表的评价句子识别 | 第37-38页 |
| ·评价句子的识别方法 | 第37页 |
| ·情感词词表的构建 | 第37-38页 |
| ·情感词情感强度的计算 | 第38页 |
| ·基于关联规则 Apriori 算法的产品特征词抽取 | 第38-41页 |
| ·评价内容预处理 | 第38-40页 |
| ·候选产品特征的提取 | 第40页 |
| ·候选产品特征集的过滤方法 | 第40-41页 |
| ·方法的具体步骤 | 第41页 |
| ·中文语料库的构建 | 第41-42页 |
| ·实验与结论分析 | 第42-43页 |
| ·实验过程 | 第42-43页 |
| ·结论分析 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第五章 客户评价知识的获取 | 第45-51页 |
| ·评价词的抽取方法 | 第45页 |
| ·基于最大熵模型的产品特征词与评价词匹配关系的自动抽取 | 第45-49页 |
| ·最大熵模型的构建 | 第45页 |
| ·模型的特征选择 | 第45-48页 |
| ·实验与结论分析 | 第48-49页 |
| ·客户评价知识获取模型 | 第49-50页 |
| ·客户评价知识五元组模型 | 第49页 |
| ·五元组模型中各属性的获取方式 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 汽车产品评价知识获取系统 | 第51-57页 |
| ·项目背景与目的 | 第51页 |
| ·系统的功能与结构 | 第51-52页 |
| ·系统的工作流程 | 第52-54页 |
| ·系统实现 | 第54-56页 |
| ·开发环境 | 第54-55页 |
| ·系统运行结果展示 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| ·全文总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和参加的科研项目 | 第63-64页 |