| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 应用领域 | 第9-10页 |
| 1.2.1 商业领域 | 第9-10页 |
| 1.2.2 公共管理领域 | 第10页 |
| 1.3 研究现状 | 第10-12页 |
| 1.3.1 情感分析研究现状 | 第10-11页 |
| 1.3.2 Hadoop平台下的实现 | 第11-12页 |
| 1.4 论文主要工作 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 2 理论基础和相关技术 | 第14-29页 |
| 2.1 情感分类概述 | 第14-15页 |
| 2.2 文本分类原理 | 第15-19页 |
| 2.2.1 文本预处理 | 第15-16页 |
| 2.2.2 文本特征选择 | 第16-19页 |
| 2.3 情感分析算法 | 第19-23页 |
| 2.3.1 应用朴素贝叶斯进行情感分类 | 第19-21页 |
| 2.3.2 应用SVM进行情感分类 | 第21-22页 |
| 2.3.3 语义网络的情感分类 | 第22-23页 |
| 2.4 Hadoop系统介绍 | 第23-28页 |
| 2.4.1 Hadoop核心架构 | 第24页 |
| 2.4.2 HDFS的工作原理 | 第24-26页 |
| 2.4.3 分布式计算框架MapReduce | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 旅游评论数据预处理和特征选择 | 第29-36页 |
| 3.1 旅游评论数据特点及预处理 | 第29-30页 |
| 3.1.1 文本去重 | 第29-30页 |
| 3.1.2 机械压缩去重 | 第30页 |
| 3.1.3 短句删除 | 第30页 |
| 3.2 评论数据的中文分词 | 第30-32页 |
| 3.2.1 分词算法比较 | 第30-32页 |
| 3.2.2 分词算法选择与实现 | 第32页 |
| 3.3 依存句法分析 | 第32-33页 |
| 3.4 旅游评论数据情感词典的建立 | 第33-35页 |
| 3.5 评价数据特征选择 | 第35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于Hadoop的旅游评论数据情感分析 | 第36-54页 |
| 4.1 旅游评论数据情感分析 | 第36-37页 |
| 4.2 基于MapReduce的倾向性分类设计 | 第37-46页 |
| 4.2.1 基于MapReduce的KNN分类算法实现 | 第37-40页 |
| 4.2.2 基于MapReduce的朴素贝叶斯分类算法实现 | 第40-43页 |
| 4.2.3 基于MapReduce的SVM分类算法实现 | 第43-46页 |
| 4.3 评价数据的主题模型分析 | 第46-53页 |
| 4.3.1 基于语义约束的主题特征提取 | 第46-47页 |
| 4.3.2 语义关系图构建 | 第47-51页 |
| 4.3.3 基于约束的LDA主题模型 | 第51-52页 |
| 4.3.4 模型参数计算 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 基于Hadoop的情感分析实验结果与分析 | 第54-68页 |
| 5.1 Hadoop集群搭建 | 第54-60页 |
| 5.1.1 集群介绍 | 第54-55页 |
| 5.1.2 集群搭建 | 第55-60页 |
| 5.2 实验数据与评价指标 | 第60-61页 |
| 5.3 实验结果分析 | 第61-66页 |
| 5.3.1 倾向性分析实验 | 第61-63页 |
| 5.3.2 主题模型实验 | 第63-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75-76页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第76页 |
