基于电商网站商品评论的商品属性提取及其情感的可视化表示
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 关键词提取 | 第10-11页 |
| 1.2.2 情感分析 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 第二章 相关技术综述 | 第15-27页 |
| 2.1 整体概述与框架 | 第15页 |
| 2.2 网络爬虫 | 第15-18页 |
| 2.2.1 网页抓取 | 第15-16页 |
| 2.2.2 正则表达式 | 第16页 |
| 2.2.3 抗“反爬虫”机制 | 第16-17页 |
| 2.2.4 商品评论抓取 | 第17-18页 |
| 2.3 中文分词技术 | 第18-22页 |
| 2.3.1 中文分词的必要性 | 第18-19页 |
| 2.3.2 中文分词的常见方法 | 第19-21页 |
| 2.3.3 常用开源分词工具 | 第21-22页 |
| 2.4 情感分析 | 第22-26页 |
| 2.4.1 基于词典的情感分析 | 第22-24页 |
| 2.4.2 基于机器学习的情感分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于评论的属性词提取 | 第27-41页 |
| 3.1 提取流程 | 第27页 |
| 3.2 实验数据的预处理 | 第27-29页 |
| 3.2.1 数据清洗 | 第27-28页 |
| 3.2.2 数据标注 | 第28页 |
| 3.2.3 词性标注 | 第28-29页 |
| 3.3 候选属性词的初筛算法 | 第29-32页 |
| 3.3.1 单字初筛 | 第29页 |
| 3.3.2 停用词初筛 | 第29-31页 |
| 3.3.3 独立支持度初筛 | 第31页 |
| 3.3.4 邻近度初筛 | 第31-32页 |
| 3.4 HITS算法 | 第32-36页 |
| 3.4.1 HITS简介 | 第32-34页 |
| 3.4.2 候选属性词排序 | 第34-36页 |
| 3.5 实验和分析 | 第36-40页 |
| 3.5.1 评论数据预处理结果 | 第36-38页 |
| 3.5.2 提取算法结果 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 属性情感的可视化表示 | 第41-61页 |
| 4.1 属性词的分类和扩展 | 第41-43页 |
| 4.1.1 构建基本属性词库 | 第41页 |
| 4.1.2 属性词的分类 | 第41-42页 |
| 4.1.3 属性词的扩展 | 第42-43页 |
| 4.2 属性词的情感分析 | 第43-47页 |
| 4.2.1 基于情感词典的情感分析 | 第43-45页 |
| 4.2.2 基于机器学习的情感分析 | 第45-47页 |
| 4.3 各维度属性情感计算 | 第47-48页 |
| 4.4 MFC系统设计与实现 | 第48-51页 |
| 4.4.1 读取评论模块 | 第48-49页 |
| 4.4.2 属性词提取模块 | 第49页 |
| 4.4.3 情感分析模块 | 第49-50页 |
| 4.4.4 情感可视化模块 | 第50页 |
| 4.4.5 情感对比模块 | 第50-51页 |
| 4.5 实验与分析 | 第51-59页 |
| 4.5.1 情感分析结果 | 第51-53页 |
| 4.5.2 各维度属性情感结果 | 第53-56页 |
| 4.5.3 MFC界面展示结果 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 论文工作期望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |
