| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-19页 |
| 1.3 本文主要研究内容 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 中文影评情感分析相关技术 | 第22-36页 |
| 2.1 中文影评情感分析概述 | 第22-24页 |
| 2.1.1 基于词典的情感分析 | 第22-23页 |
| 2.1.2 基于机器学习的情感分析 | 第23-24页 |
| 2.2 数据采集 | 第24-27页 |
| 2.2.1 网络爬虫原理 | 第24-25页 |
| 2.2.2 影评数据爬虫实现 | 第25-26页 |
| 2.2.3 影评数据集 | 第26-27页 |
| 2.3 文本预处理与中文分词 | 第27-30页 |
| 2.3.1 文本预处理 | 第27-28页 |
| 2.3.2 中文分词 | 第28-30页 |
| 2.4 中文情感词典与语义距离计算 | 第30-33页 |
| 2.4.1 中文情感词典 | 第30-31页 |
| 2.4.2 基于《同义词词林》的语义距离计算 | 第31-33页 |
| 2.5 特征选择 | 第33-35页 |
| 2.5.1 词频-反文档频率方法 | 第33-34页 |
| 2.5.2 信息增益方法 | 第34页 |
| 2.5.3 互信息方法 | 第34-35页 |
| 2.5.4 χ2统计量方法（CHI） | 第35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 影评领域情感词典构建 | 第36-54页 |
| 3.1 基于改进的词聚类算法的种子词选取 | 第36-41页 |
| 3.1.1 K-means算法简介 | 第36-37页 |
| 3.1.2 改进的词聚类算法 | 第37-39页 |
| 3.1.3 种子词选取 | 第39-41页 |
| 3.2 基于改进SO-PMI算法的影评领域情感词典构建 | 第41-45页 |
| 3.2.1 互信息与SO-PMI算法 | 第41页 |
| 3.2.2 改进的SO-PMI算法 | 第41-43页 |
| 3.2.3 影评领域情感词典构建 | 第43-45页 |
| 3.3 情感分析评价标准 | 第45-46页 |
| 3.4 试验与分析 | 第46-53页 |
| 3.4.1 试验数据 | 第46-47页 |
| 3.4.2 种子词数k值对情感分类准确率的影响 | 第47-48页 |
| 3.4.3 不同种子词选取方法对比试验 | 第48页 |
| 3.4.4 改进SO-PMI算法性能测试 | 第48-51页 |
| 3.4.5 不同情感计算方法对比 | 第51-52页 |
| 3.4.6 影评领域情感词典对影评情感分析的影响 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 影评主题-情感实体计算模型 | 第54-71页 |
| 4.1 影评主题提取 | 第54-60页 |
| 4.1.1 LDA模型 | 第54-56页 |
| 4.1.2 潜在影评主题提取 | 第56-57页 |
| 4.1.3 显在影评主题提取 | 第57-60页 |
| 4.2 主题-情感实体情感值计算 | 第60-64页 |
| 4.2.1 主题-情感实体 | 第60-61页 |
| 4.2.2 情感计算影响因素分析 | 第61-64页 |
| 4.2.3 主题对主题-情感实体计算的影响 | 第64页 |
| 4.3 影评主题-情感计算模型 | 第64-66页 |
| 4.4 试验与分析 | 第66-70页 |
| 4.4.1 主题-情感实体计算实例 | 第66-67页 |
| 4.4.2 不同主题提取方式对影评情感计算的影响 | 第67-69页 |
| 4.4.3 基于词典的不同情感计算模型比较 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 TS-BP混合情感计算模型 | 第71-91页 |
| 5.1 基于机器学习的情感分析常用方法 | 第71-78页 |
| 5.1.1 基于机器学习的情感分析流程 | 第71-72页 |
| 5.1.2 朴素贝叶斯模型 | 第72-74页 |
| 5.1.3 支持向量机 | 第74-78页 |
| 5.2 BP神经网络模型 | 第78-83页 |
| 5.2.1 BP神经网络模型结构 | 第78-79页 |
| 5.2.2 BP神经网络学习算法 | 第79-81页 |
| 5.2.3 BP神经网络模型缺陷及改进 | 第81-83页 |
| 5.3 TS-BP混合情感计算模型 | 第83-86页 |
| 5.3.1 基于主题-实体的影评向量构建 | 第83-84页 |
| 5.3.2 TS-BP混合情感计算模型 | 第84-85页 |
| 5.3.3 TS-BP混合情感计算模型存储 | 第85-86页 |
| 5.4 实验与分析 | 第86-89页 |
| 5.4.1 实验数据 | 第86-87页 |
| 5.4.2 不同情感分析方法对比 | 第87-88页 |
| 5.4.3 不同的主题提取方式对TS-BP混合情感计算模型的影响 | 第88-89页 |
| 5.4.4 主题特征数量对TS-BP混合情感计算模型的影响 | 第89页 |
| 5.5 本章小结 | 第89-91页 |
| 第六章 结论与展望 | 第91-94页 |
| 6.1 结论 | 第91-92页 |
| 6.2 展望 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第98-99页 |
| 作者在攻读硕士学位期间所作的项目 | 第99-100页 |
| 致谢 | 第100页 |
