| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 文档级情感分类研究现状 | 第10-12页 |
| 1.2.2 属性级情感分类研究现状 | 第12-14页 |
| 1.3 主要研究内容和总体研究框架 | 第14-15页 |
| 1.4 论文组织结构安排 | 第15-17页 |
| 第二章 商品评论文本情感分类相关理论基础 | 第17-26页 |
| 2.1 语料的预处理 | 第17-18页 |
| 2.1.1 去噪 | 第17页 |
| 2.1.2 分词 | 第17-18页 |
| 2.1.3 过滤停用词 | 第18页 |
| 2.2 文本表示模型 | 第18-19页 |
| 2.2.1 布尔模型(Boolean Model，BM) | 第18页 |
| 2.2.2 向量空间模型(Vector Space Model，VSM) | 第18页 |
| 2.2.3 词向量模型(Word Vector Model，WVM) | 第18-19页 |
| 2.3 常用情感分类模型 | 第19-22页 |
| 2.3.1 朴素贝叶斯模型(Naive Bayes，NB) | 第20-21页 |
| 2.3.2 支持向量机模型(Support Vector Machine，SVM) | 第21页 |
| 2.3.3 最大熵模型(Maximum Entropy，ME) | 第21-22页 |
| 2.3.4 神经网络模型(Neural Network，NN) | 第22页 |
| 2.4 常用主题模型 | 第22-24页 |
| 2.4.1 标准LDA模型(Latent Dirichlet Allocation) | 第22-23页 |
| 2.4.2 JST模型(Joint Sentiment Topic)) | 第23页 |
| 2.4.3 ASUM模型(Aspect and Sentiment Unification Model) | 第23-24页 |
| 2.4.4 HASM模型(Hierarchical Aspect Sentiment Model) | 第24页 |
| 2.5 实验评测指标 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 粗粒度的商品评论文本情感分类研究 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 基于递归神经网络的文档级情感分类模型 | 第26-34页 |
| 3.2.1 构建深层学习特征 | 第26-27页 |
| 3.2.2 递归神经网络模型 | 第27-30页 |
| 3.2.3 模型改进 | 第30-33页 |
| 3.2.4 存在不足 | 第33-34页 |
| 3.3 基于大规模情感词典的文档级情感分类模型 | 第34-38页 |
| 3.3.1 构建大规模情感词典 | 第34页 |
| 3.3.2 基于大规模情感词典的文档级情感分类算法 | 第34-37页 |
| 3.3.3 存在不足 | 第37-38页 |
| 3.4 基于大规模情感词典与深度学习结合的文档级情感分类 | 第38-40页 |
| 3.4.1 基于大规模情感词典与双向GRU结合的文档级情感分类框架 | 第38-39页 |
| 3.4.2 基于大规模情感词典与双向GRU结合的文档级情感分类算法 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 细粒度的商品评论属性情感分类研究 | 第42-60页 |
| 4.1 引言 | 第42-43页 |
| 4.2 细粒度的商品评论属性情感分类处理流程 | 第43页 |
| 4.3 商品评论属性和情感词的抽取与筛选 | 第43-53页 |
| 4.3.1 商品评论属性和情感词的抽取现有方法及不足 | 第44页 |
| 4.3.2 语义关系约束构建 | 第44-49页 |
| 4.3.3 基于改进LDA的属性和情感词的抽取 | 第49-53页 |
| 4.4 基于情感混合型LDA的文本属性情感分类 | 第53-58页 |
| 4.4.1 文本属性情感分类现有方法及不足 | 第53-54页 |
| 4.4.2 改进的情感混合型LDA设计思路 | 第54-56页 |
| 4.4.3 SCEB-LDA模型 | 第56-57页 |
| 4.4.4 SCEB-LDA模型参数计算 | 第57-58页 |
| 4.4.5 SCEB-LDA文档生成过程 | 第58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 实验设计与结果分析 | 第60-72页 |
| 5.1 实验工具介绍 | 第60页 |
| 5.2 实验数据 | 第60-61页 |
| 5.3 粗粒度的商品评论情感分类研究实验与分析 | 第61-66页 |
| 5.3.1 深度学习特征参数设置的实验结果与分析 | 第61-63页 |
| 5.3.2 双向GRU模型参数设置的实验结果与分析 | 第63-64页 |
| 5.3.3 基于双向GRU模型情感分类的实验结果与分析 | 第64-65页 |
| 5.3.4 基于大规模情感词典与深度学习相结合的情感分类的实验结果与分析 | 第65-66页 |
| 5.4 粗粒度的商品评论情感分类结果 | 第66-67页 |
| 5.5 细粒度的商品评论情感分类研究实验与分析 | 第67-70页 |
| 5.5.1 基于SC-LDA模型的属性和情感词抽取的实验结果与分析 | 第67-68页 |
| 5.5.2 基于SCEB-LDA模型的属性情感分类的实验结果与分析 | 第68-70页 |
| 5.6 细粒度的商品评论属性情感分类结果 | 第70-71页 |
| 5.7 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读学位期间的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
