旅行目的地中文评论的情感分析研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景与研究意义 | 第10-12页 |
| ·课题背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状综述 | 第12-15页 |
| ·国内外情感分析研究现状 | 第12-14页 |
| ·国内外面向旅游业的情感分析研究现状 | 第14-15页 |
| ·研究内容及方案 | 第15-17页 |
| 第2章 情感分类的基础理论 | 第17-30页 |
| ·情感分类的定义 | 第17-18页 |
| ·文本分类的定义 | 第17页 |
| ·文本的情感分类 | 第17-18页 |
| ·文本分类的基本原理 | 第18-20页 |
| ·基于机器学习的文本分类 | 第18-19页 |
| ·基于语义方法的文本分类 | 第19-20页 |
| ·文本分类的主要步骤及技术 | 第20-28页 |
| ·语料预处理 | 第20页 |
| ·特征表示 | 第20-22页 |
| ·特征提取 | 第22-23页 |
| ·机器学习分类算法 | 第23-26页 |
| ·基于语义分析的分类算法 | 第26-28页 |
| ·文本分类结果评测指标体系 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 旅行目的地中文评论的自动分类实验 | 第30-46页 |
| ·中文语料的获取 | 第30-33页 |
| ·语料来源 | 第30-31页 |
| ·在线语料获取的实现 | 第31-33页 |
| ·中文语料的预处理 | 第33-34页 |
| ·训练集和测试集 | 第33页 |
| ·文本清理和人工分类 | 第33-34页 |
| ·词性标注和中文分词 | 第34页 |
| ·基于机器学习的文本分类器 | 第34-40页 |
| ·支持向量机分类实验 | 第34-36页 |
| ·朴素贝叶斯分类实验 | 第36-38页 |
| ·基于N-gram的分类实验 | 第38-40页 |
| ·基于SO-PMI语义方法的文本分类器 | 第40-45页 |
| ·文本分类器的实现 | 第40-41页 |
| ·分类实验 | 第41-43页 |
| ·分类结果及评测 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 面向旅行目的地评论的情感分析研究 | 第46-63页 |
| ·基于四种方法的情感分类结果的比较研究 | 第46-53页 |
| ·卡方检验 | 第46-47页 |
| ·基于三种机器学习方法的文本分类效果比较 | 第47-50页 |
| ·基于SVM和PMI方法的文本分类效果比较 | 第50-53页 |
| ·基于在线评论对旅行目的地存在问题的分析 | 第53-61页 |
| ·旅游目的地评价中的六要素 | 第53-55页 |
| ·反映游客情感倾向词组的归类统计 | 第55-57页 |
| ·游览和娱乐 | 第57-59页 |
| ·食宿和购物 | 第59-60页 |
| ·交通 | 第60-61页 |
| ·在线旅游评论情感分析的潜在应用价值 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第70-72页 |
| 致谢 | 第72页 |
