| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第12-14页 |
| 第二章 国内外研究现状 | 第14-22页 |
| 2.1 产品评论挖掘与分析 | 第14-18页 |
| 2.1.1 评论内容的检测与挖掘 | 第14-15页 |
| 2.1.2 单领域评论情感分类 | 第15-17页 |
| 2.1.3 多领域评论情感分类 | 第17-18页 |
| 2.2 文本分类器 | 第18-19页 |
| 2.2.1 朴素贝叶斯文本分类算法 | 第18-19页 |
| 2.2.2 支持向量机文本分类算法 | 第19页 |
| 2.3 文本分类特征选择算法 | 第19-21页 |
| 2.3.1 信息增益（Information Gain） | 第19-20页 |
| 2.3.2 X~2 统计量(Chi) | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 中文产品评论挖掘与分析系统 | 第22-45页 |
| 3.1 系统框架 | 第22-26页 |
| 3.1.1 评论数据的挖掘 | 第23-24页 |
| 3.1.2 产品评论的分析 | 第24-25页 |
| 3.1.3 评论搜索模块 | 第25-26页 |
| 3.2 产品评论识别 | 第26-28页 |
| 3.2.1 产品评论的定义 | 第26页 |
| 3.2.2 基于规则的产品评论识别 | 第26-27页 |
| 3.2.3 基于分类学习的产品评论识别 | 第27-28页 |
| 3.3 产品评论领域分类 | 第28-29页 |
| 3.3.1 产品领域类别定义 | 第28页 |
| 3.3.2 分类算法与特征选择算法 | 第28-29页 |
| 3.3.3 层次化分类 | 第29页 |
| 3.4 产品评论情感分类 | 第29-31页 |
| 3.4.1 情感倾向定义 | 第30页 |
| 3.4.2 分类器与特征选择算法 | 第30页 |
| 3.4.3 评论情感的领域性分析 | 第30-31页 |
| 3.5 实验与分析 | 第31-42页 |
| 3.5.1 实验数据 | 第31-32页 |
| 3.5.2 分类实验评估方法 | 第32页 |
| 3.5.3 产品评论识别分类实验 | 第32-34页 |
| 3.5.4 产品领域分类实验 | 第34-40页 |
| 3.5.5 产品评论情感分类实验 | 第40-41页 |
| 3.5.6 产品评论情感分类领域性跨度分析实验 | 第41-42页 |
| 3.6 系统演示 | 第42-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 跨领域产品评论情感分析的研究 | 第45-61页 |
| 4.1 跨领域分类学习介绍 | 第45-46页 |
| 4.2 跨领域分类学习研究现状 | 第46-47页 |
| 4.3 跨领域分类学习算法 | 第47-58页 |
| 4.3.1 将分类特征空间限制在目标领域以内 | 第47-48页 |
| 4.3.2 结合目标领域的非标注数据加强学习 | 第48-49页 |
| 4.3.3 迭代加强的迁移分类算法(RITC) | 第49-58页 |
| 4.4 实验与分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 全文总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间已发表或录用的论文 | 第68-71页 |
| 上海交通大学硕士学位论文答辩决议书 | 第71页 |