| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文主要研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第2章 文本分析技术 | 第16-30页 |
| ·引言 | 第16-18页 |
| ·文本预处理 | 第18-20页 |
| ·分句 | 第18-19页 |
| ·分词 | 第19-20页 |
| ·分类算法介绍 | 第20-28页 |
| ·朴素贝叶斯分类 | 第20-21页 |
| ·K近邻 | 第21-23页 |
| ·支持向量机 | 第23-25页 |
| ·BP神经网络 | 第25-28页 |
| ·算法的性能评估 | 第28-29页 |
| ·准确率(Precision)和召回率(Recall) | 第28页 |
| ·F-Score | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 产品评论的有效评价句提取 | 第30-35页 |
| ·意见挖掘 | 第30-32页 |
| ·意见挖掘的目的 | 第30-32页 |
| ·情感分析与有效评价句 | 第32-34页 |
| ·情感分析 | 第32-33页 |
| ·情感分析与有效评价句 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于BP神经网络的有效评价句分类 | 第35-46页 |
| ·有效评价句获取的设计与实现 | 第35-43页 |
| ·BP神经网络 | 第36-39页 |
| ·文本情感特征选取 | 第39-43页 |
| ·实验分析 | 第43-45页 |
| ·数据集 | 第43页 |
| ·实验结果分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53页 |