汽车文本评论的情感极性分析
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 文本情感分析研究现状 | 第11-12页 |
| 1.3.2 深度学习在文本情感分析领域研究现状 | 第12-13页 |
| 1.4 本文研究内容与结构安排 | 第13页 |
| 1.5 方案设计 | 第13-15页 |
| 第2章 相关概念和方法 | 第15-22页 |
| 2.1 文本情感极性分析 | 第15页 |
| 2.2 中文分词 | 第15-16页 |
| 2.3 文本特征提取 | 第16-18页 |
| 2.3.1 TF-IDF计算权重 | 第16页 |
| 2.3.2 word2vec词向量工具 | 第16-18页 |
| 2.4 深度学习 | 第18-22页 |
| 2.4.1 循环神经网络(RNN) | 第18-20页 |
| 2.4.2 长短时记忆模型(LSTM) | 第20-22页 |
| 第3章 数据预处理和标签匹配 | 第22-28页 |
| 3.1 数据来源 | 第22页 |
| 3.2 数据预处理 | 第22-24页 |
| 3.2.1 数据清洗 | 第22页 |
| 3.2.2 数据拆分 | 第22-24页 |
| 3.3 标签匹配 | 第24-28页 |
| 3.3.1 汽车产品维度词表 | 第24页 |
| 3.3.2 标签匹配规则说明 | 第24-26页 |
| 3.3.3 标签匹配总结 | 第26-28页 |
| 第4章 情感极性分析 | 第28-35页 |
| 4.1 实验设计 | 第28页 |
| 4.2 特征提取 | 第28-30页 |
| 4.2.1 分词 | 第28-29页 |
| 4.2.2 停用词表的使用 | 第29页 |
| 4.2.3 训练词向量 | 第29-30页 |
| 4.3 分类方法 | 第30-35页 |
| 4.3.1 机器学习方法分类 | 第30-32页 |
| 4.3.2 深度学习方法分类 | 第32-33页 |
| 4.3.3 模型比较 | 第33-35页 |
| 第5章 结果汇总和可视化 | 第35-40页 |
| 5.1 结果汇总 | 第35-37页 |
| 5.2 定义指标和可视化 | 第37-40页 |
| 5.2.1 定义指标 | 第37-39页 |
| 5.2.2 可视化 | 第39-40页 |
| 第6章 总结与展望 | 第40-42页 |
| 6.1 总结 | 第40页 |
| 6.2 展望 | 第40-42页 |
| 参考文献 | 第42-44页 |
| 致谢 | 第44-45页 |
