| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 在线评论话题及其特征抽取的背景 | 第10-12页 |
| 1.2 问题提出 | 第12-13页 |
| 1.3 论文的贡献和创新 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第二章 文献综述和相关算法 | 第16-26页 |
| 2.1 在线商品评论的话题及其特征抽取国内外研究现状 | 第16-21页 |
| 2.1.1 基于频繁模式的特征抽取 | 第17-18页 |
| 2.1.2 基于依赖关系的特征抽取 | 第18页 |
| 2.1.3 有监督的特征抽取 | 第18-19页 |
| 2.1.4 基于主题模型的特征抽取 | 第19页 |
| 2.1.5 其他文本挖掘方法 | 第19-21页 |
| 2.2 本文相关算法介绍 | 第21-24页 |
| 2.2.1 评价词和评价对象抽取 | 第21-22页 |
| 2.2.2 神经网络语言模型 | 第22-23页 |
| 2.2.3 聚类模型 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于词向量的在线评论话题及其特征抽取模型 | 第26-38页 |
| 3.1 评论爬取和预处理 | 第27-28页 |
| 3.2 挖掘候选属性种子词 | 第28-29页 |
| 3.3 神经网络语言模型 | 第29-33页 |
| 3.4 词向量聚类和属性归类 | 第33-34页 |
| 3.5 评估指标 | 第34-37页 |
| 3.5.1 困惑度 | 第34-36页 |
| 3.5.2 准确率 | 第36-37页 |
| 3.6 本章总结 | 第37-38页 |
| 第四章 数据实验 | 第38-52页 |
| 4.1 数据和描述性统计 | 第38-39页 |
| 4.2 预处理 | 第39-40页 |
| 4.3 候选特征词挖掘 | 第40-42页 |
| 4.4 词向量 | 第42-43页 |
| 4.5 聚类 | 第43-45页 |
| 4.6 评估 | 第45-51页 |
| 4.6.1 困惑度 | 第47-49页 |
| 4.6.2 准确率 | 第49-50页 |
| 4.6.3 时间复杂度 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-55页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 未来工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录一 | 第61-66页 |
| 攻读硕士期间取得的成果 | 第66-67页 |