基于网络评论的倾向性分析研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的研究工作 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 相关技术介绍 | 第14-20页 |
| ·文本分类的方法 | 第14-15页 |
| ·统计机器学习方法 | 第14-15页 |
| ·基于相似度的方法 | 第15页 |
| ·隐马尔科夫模型 | 第15-17页 |
| ·马尔科夫性与马尔科夫链 | 第15-16页 |
| ·隐马尔科夫模型(HMM) | 第16-17页 |
| ·HMM的相关应用 | 第17页 |
| ·支持向量机模型 | 第17-18页 |
| ·情感倾向性分析的评价标准 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 语料库的建立 | 第20-24页 |
| ·情感语料库概述 | 第20页 |
| ·语料库的预处理 | 第20-23页 |
| ·网络语料的提取与人工标注 | 第20-22页 |
| ·分词和词性标注 | 第22页 |
| ·停用词处理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 基于隐马尔科夫的倾向性分析 | 第24-33页 |
| ·HMM的基本原理 | 第24-28页 |
| ·HMM中的元素 | 第24-25页 |
| ·HMM的三个基本问题 | 第25页 |
| ·三个问题的求解方法 | 第25-28页 |
| ·HMM模型的建立 | 第28-29页 |
| ·系统框架设计 | 第29-31页 |
| ·训练阶段 | 第30页 |
| ·测试阶段 | 第30-31页 |
| ·实验结果及分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于情感词典的倾向性分析 | 第33-40页 |
| ·情感词典的建立 | 第33-35页 |
| ·倾向性的计算 | 第35-36页 |
| ·实验结果及分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第六章 基于SVM的倾向性分析 | 第40-52页 |
| ·SVM基本原理 | 第40-43页 |
| ·SVM线性分类器 | 第40页 |
| ·最优分类面 | 第40-43页 |
| ·特征选择 | 第43页 |
| ·特征权重计算 | 第43-45页 |
| ·布尔权重 | 第44页 |
| ·词频权重 | 第44页 |
| ·TF-IDF权重 | 第44-45页 |
| ·实验步骤 | 第45-48页 |
| ·实验结果及分析 | 第48-50页 |
| ·三种实验方法的对比分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第七章 分类的情感倾向性分析 | 第52-58页 |
| ·实验流程 | 第52-53页 |
| ·评论对象分类 | 第53-54页 |
| ·分类倾向性分析结果 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第八章 总结与展望 | 第58-59页 |
| ·工作总结 | 第58页 |
| ·下一步工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1：图目录 | 第62-63页 |
| 附录2：表目录 | 第63-64页 |
| 致谢 | 第64页 |
