用户评论情感分类的方法与实证研究
摘要 | 第3-4页 |
abstract | 第4页 |
第一章 绪论 | 第7-12页 |
1.1 研究背景及意义 | 第7页 |
1.2 国内外研究 | 第7-10页 |
1.2.1 用户评论情感分类研究 | 第7-9页 |
1.2.2 基于细粒度的产品评论挖掘 | 第9-10页 |
1.3 本文的研究内容 | 第10页 |
1.4 论文的组织结构 | 第10-12页 |
第二章 预备知识 | 第12-28页 |
2.1 评论句情感分类 | 第12-23页 |
2.1.1 词向量及word2vec | 第12-13页 |
2.1.2 本文方法 | 第13-16页 |
2.1.3 人工神经网络 | 第16-17页 |
2.1.4 卷积神经网络 | 第17-18页 |
2.1.5 长短期记忆网络 | 第18-19页 |
2.1.6 支持向量机 | 第19-20页 |
2.1.7 逻辑回归 | 第20-21页 |
2.1.8 特征表达 | 第21-23页 |
2.2 基于细粒度的评论句意见挖掘 | 第23-26页 |
2.2.1 依存句法分析 | 第23-24页 |
2.2.2 抽取规则 | 第24-25页 |
2.2.3 筛选 | 第25-26页 |
2.3 分类器评估指标 | 第26页 |
2.4 本章小结 | 第26-28页 |
第三章 实证和案例分析 | 第28-36页 |
3.1 评论句情感分类方法实证研究 | 第28-31页 |
3.1.1 数据获取及清洗 | 第28页 |
3.1.2 本文方法实现 | 第28-29页 |
3.1.3 不同分类方法比较 | 第29-31页 |
3.2 基于细粒度意见挖掘技术案例分析 | 第31-35页 |
3.2.1 数据获取及清洗 | 第31页 |
3.2.2 依存句法分析 | 第31-32页 |
3.2.3 抽取及筛选 | 第32页 |
3.2.4 抽取结果比较分析 | 第32-35页 |
3.3 本章小结 | 第35-36页 |
第四章 本文改进与不足 | 第36-38页 |
4.1 本文改进之处 | 第36页 |
4.2 本文不足之处 | 第36-37页 |
4.3 未来展望 | 第37-38页 |
参考文献 | 第38-41页 |
致谢 | 第41页 |