| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 引言 | 第15-16页 |
| 1.2 研究背景及意义 | 第16-17页 |
| 1.3 Web 文本观点挖掘和情感分析应用领域 | 第17-19页 |
| 1.3.1 评论相关的网页的应用 | 第17-18页 |
| 1.3.2 商业和政府智能领域的应用 | 第18-19页 |
| 1.3.3 作为子部件技术的应用 | 第19页 |
| 1.4 本文的主要工作及章节安排 | 第19-22页 |
| 第二章 Web 文本观点挖掘和情感分析理论基础 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 观点挖掘概述 | 第22-24页 |
| 2.2.1 观点挖掘的主要任务 | 第23页 |
| 2.2.2 观点挖掘当前的主要方法 | 第23-24页 |
| 2.3 情感倾向分析概述 | 第24-29页 |
| 2.3.1 情感倾向分析的对象和研究思路 | 第24-26页 |
| 2.3.2 观点的情感倾向分析的全局性与局部性 | 第26-27页 |
| 2.3.3 情感评估模型分类 | 第27-29页 |
| 2.4 Web 文本观点挖掘 | 第29-36页 |
| 2.4.1 Web 文本挖掘定义及分类 | 第29页 |
| 2.4.2 Web 社区挖掘 | 第29-30页 |
| 2.4.3 经典社区挖掘算法 | 第30-32页 |
| 2.4.4 Web 社区结构挖掘算法 | 第32-35页 |
| 2.4.5 文本聚类算法 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 Web 文本预处理及特征抽取技术 | 第38-54页 |
| 3.1 引言 | 第38页 |
| 3.2 Web 文本预处理 | 第38-39页 |
| 3.3 文本特征抽取 | 第39-47页 |
| 3.3.1 文本特征向量定义 | 第40-41页 |
| 3.3.2 常用的特征抽取方法 | 第41-44页 |
| 3.3.3 影响特征词权重的因素分析 | 第44-46页 |
| 3.3.4 基于语义的特征提取方法 | 第46-47页 |
| 3.4 情感信息抽取 | 第47-49页 |
| 3.4.1 情感字的抽取和判别 | 第47-48页 |
| 3.4.2 主观表达式的抽取 | 第48页 |
| 3.4.3 情感评价对象的抽取 | 第48-49页 |
| 3.5 一种基于依赖语法的特征抽取方法DGFEM | 第49-51页 |
| 3.5.1 Web 文本向量模型描述 | 第49-50页 |
| 3.5.2 基于中文依赖语法的主观特征抽取方法 | 第50-51页 |
| 3.6 实验结果分析 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第四章 连续性隐含情感评估模型 | 第54-67页 |
| 4.1 引言 | 第54-55页 |
| 4.2 情感倾向评估方法分类 | 第55-57页 |
| 4.2.1 依据不同粒度的情感倾向评估分类 | 第55-56页 |
| 4.2.2 情感倾向分析技术 | 第56-57页 |
| 4.3 中文情感倾向评估系统的构建 | 第57-58页 |
| 4.4 中文连续情感评估模型CSEM | 第58-60页 |
| 4.5 一种基于中文依赖语法的情感倾向评估模型DGSEM | 第60-64页 |
| 4.5.1 中文依赖语法规则 | 第60页 |
| 4.5.2 DGSEM 的构建 | 第60-62页 |
| 4.5.3 DGSEM 算法步骤 | 第62-63页 |
| 4.5.4 句子情感倾向的判别 | 第63-64页 |
| 4.6 实验结果分析 | 第64-65页 |
| 4.6.1 实验数据 | 第64页 |
| 4.6.2 实验结果比较 | 第64-65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 基于隐含情感的Web 文本观点挖掘算法 | 第67-85页 |
| 5.1 引言 | 第67页 |
| 5.2 Web 文本挖掘生命周期 | 第67-68页 |
| 5.3 Web 文本观点挖掘系统流程 | 第68-69页 |
| 5.4 一种Web 文本社区快速挖掘算法FCTMA | 第69-73页 |
| 5.4.1 文本特征相似性 | 第70页 |
| 5.4.2 算法思想 | 第70-71页 |
| 5.4.3 算法步骤 | 第71-72页 |
| 5.4.4 参数设置和实验结果 | 第72-73页 |
| 5.5 多Agent 三要素定义 | 第73-74页 |
| 5.6 基于多Agent 的Web 文本社区挖掘算法MADCMA | 第74-79页 |
| 5.6.1 算法思想 | 第75页 |
| 5.6.2 算法步骤 | 第75-76页 |
| 5.6.3 实验结果分析 | 第76-79页 |
| 5.7 基于隐含情感的Web 文本聚类算法HSKM | 第79-83页 |
| 5.7.1 基于隐含情感和文本特征的相似性比较 | 第79-80页 |
| 5.7.2 原始聚类中心的选择 | 第80页 |
| 5.7.3 算法思想 | 第80页 |
| 5.7.4 算法步骤 | 第80-81页 |
| 5.7.5 实验结果比较 | 第81-83页 |
| 5.8 本章小结 | 第83-85页 |
| 第六章 总结及展望 | 第85-87页 |
| 参考文献 | 第87-100页 |
| 攻读博士学位期间的研究成果 | 第100-102页 |
| 致谢 | 第102页 |
