数据挖掘方法在评论分类中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文结构 | 第14-15页 |
| 第二章 评论分类相关技术背景介绍 | 第15-23页 |
| 2.1 文本分类相关概念介绍 | 第15-16页 |
| 2.2 评论分类的研究方向介绍 | 第16-18页 |
| 2.2.1 情感分类 | 第16-17页 |
| 2.2.2 价值分类 | 第17-18页 |
| 2.3 基于机器学习的评论分类 | 第18-19页 |
| 2.4 最大熵模型 | 第19-21页 |
| 2.5 语义倾向方法在评论分类中的应用 | 第21-23页 |
| 第三章 基于语义倾向的评论情感分类 | 第23-33页 |
| 3.1 评论的情感分类流程介绍 | 第23-24页 |
| 3.2 基于PMI-IR的语义倾向 | 第24-26页 |
| 3.3 评论文本爬取 | 第26-29页 |
| 3.3.1 爬虫系统流程介绍 | 第26-27页 |
| 3.3.2 抓取模块设计 | 第27-28页 |
| 3.3.3 基于DOM的文本抽取模块设计 | 第28-29页 |
| 3.4 实验流程与结果分析 | 第29-33页 |
| 3.4.1 评论文本的语义倾向分类 | 第29-30页 |
| 3.4.2 文本分类指标 | 第30-31页 |
| 3.4.3 实验流程与结果分析 | 第31-33页 |
| 第四章 基于机器学习的评论价值分类 | 第33-43页 |
| 4.1 预处理 | 第33-35页 |
| 4.2 基于二值特征最大熵文本分类 | 第35-37页 |
| 4.3 评论文本的价值分类方法 | 第37-41页 |
| 4.3.1 建立特征资源库 | 第37-38页 |
| 4.3.2 基于句法分析的评论对象识别 | 第38-40页 |
| 4.3.3 二值特征函数的构建 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 总结 | 第43-44页 |
| 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间发表的论文 | 第49-51页 |
| 致谢 | 第51页 |
