| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-16页 |
| 1.2.1 基于特征的评论摘要 | 第10-13页 |
| 1.2.2 其他评论摘要 | 第13-16页 |
| 1.3 研究内容及章节安排 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 研究总体框架 | 第18-23页 |
| 2.1 评论摘要流程 | 第19-22页 |
| 2.1.1 数据采集和预处理部分 | 第19-21页 |
| 2.1.2 观点提取 | 第21页 |
| 2.1.3 观点和原因之间的关联性分析 | 第21页 |
| 2.1.4 生成文本摘要 | 第21-22页 |
| 2.2 本章小结 | 第22-23页 |
| 第三章 数据的采集和预处理 | 第23-32页 |
| 3.1 数据的选择 | 第23-24页 |
| 3.2 数据爬取 | 第24-27页 |
| 3.2.1 爬虫程序简介 | 第24-25页 |
| 3.2.2 Python简介 | 第25页 |
| 3.2.3 数据的采集 | 第25-27页 |
| 3.3 爬虫代码主函数 | 第27页 |
| 3.4 数据预处理 | 第27-30页 |
| 3.4.1 分词原理简介 | 第28页 |
| 3.4.2 NLPIR汉语分词系统简介 | 第28页 |
| 3.4.3 汉语分词系统在本研究中的应用 | 第28-29页 |
| 3.4.4 分词实验结果 | 第29-30页 |
| 3.5 预处理实验步骤 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于关联规则的观点语句提取 | 第32-40页 |
| 4.1 观点提取问题定义 | 第32-33页 |
| 4.2 商品特征词汇的提取 | 第33-36页 |
| 4.2.1. 商品评论关联规则挖掘定义 | 第34-35页 |
| 4.2.2 挖掘商品特征集合 | 第35-36页 |
| 4.2.3 商品评论候选集过滤 | 第36页 |
| 4.3 情感词汇的提取 | 第36-37页 |
| 4.4 观点语句提取实验 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 观点与非观点之间的关联分析和文本摘要的生成 | 第40-52页 |
| 5.1 问题定义 | 第40-41页 |
| 5.2 SVM分类器在观点与原因语句关联性分析上的应用 | 第41-42页 |
| 5.3 SVM分类器特性定义和训练 | 第42-47页 |
| 5.3.1 特征定义 | 第42-46页 |
| 5.3.2 SVM分类器的训练和实验结果 | 第46-47页 |
| 5.4 观点与非观点语句关联性分析实验 | 第47-50页 |
| 5.5 生成文本摘要 | 第50-51页 |
| 5.6 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |