首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于特征强化的中文产品评价挖掘研究

摘要第1-6页
Abstract第6-7页
致谢第7-10页
插图清单第10-11页
表格清单第11-12页
第一章 绪论第12-15页
   ·研究背景及意义第12-13页
   ·本文的工作第13页
   ·本文的结构第13-15页
第二章 产品评论挖掘的研究现状第15-26页
   ·产品评论挖掘通用框架第15-16页
   ·主客观分析第16-17页
     ·基于情感知识的方法第16-17页
     ·基于特征分类的方法第17页
   ·情感分类第17-20页
     ·基于情感知识的方法第18页
     ·基于特征分类的方法第18-19页
     ·基于顺序回归的方法第19-20页
   ·细粒度观点挖掘第20-23页
     ·产品特征提取第21页
     ·观点词抽取及极性分析第21-23页
     ·主观评价关系识别第23页
   ·产品评论挖掘应用系统第23-24页
   ·本章小结第24-26页
第三章 基于关联特征的产品评论情感分类方法第26-37页
   ·引言第26-27页
   ·基于关联特征的产品评论情感分类方法第27-31页
     ·基本框架第28-29页
     ·关联特征获取第29-30页
     ·基于关联特征的文本表示方法第30-31页
   ·实验结果及分析第31-36页
     ·实验语料及评估指标第31-32页
     ·实验结果及分析第32-36页
   ·本章小结第36-37页
第四章 基于多特征多分类器的主观性关系识别方法第37-48页
   ·引言第37-38页
   ·基于多特征多分类器的主观评价关系识别方法第38-44页
     ·候选特征-观点词对提取第39-40页
     ·词对特征提取第40-43页
     ·多分类器的构建第43-44页
   ·实验结果及分析第44-47页
     ·句式特征在词对特征提取中的作用第45-46页
     ·集成分类器与单分类器的实验对比第46-47页
   ·本章小结第47-48页
第五章 中文产品评论挖掘原型系统第48-52页
   ·系统框架第48-49页
   ·系统展示第49-51页
     ·评论网页处理第49-50页
     ·单条评论处理第50-51页
   ·本章小结第51-52页
第六章 总结与展望第52-54页
   ·论文工作的主要成果第52-53页
   ·后续研究工作的展望第53-54页
参考文献第54-58页
攻读硕士学位期间参加研究的课题和发表的论文第58-59页

论文共59页,点击 下载论文
上一篇:中文自动分词及人名识别技术研究
下一篇:基于样例的动画角色多样化研究