基于语义分析的产品评论挖掘技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 产品评论挖掘技术研究的背景和意义 | 第9-10页 |
| 1.2 亟待解决的两大问题 | 第10-12页 |
| 1.2.1 非结构化评论数据的自动提取与分类 | 第10-11页 |
| 1.2.2 评论中感情色彩的自动判断 | 第11-12页 |
| 1.3 国内外的研究现状 | 第12-14页 |
| 1.4 论文的内容和结构 | 第14-15页 |
| 第二章 评论挖掘系统中的关键技术及框架 | 第15-22页 |
| 2.1 问题重述 | 第15-19页 |
| 2.2 关键技术及框架介绍 | 第19-21页 |
| 2.2.1 评论数据采集和预处理 | 第19-20页 |
| 2.2.2 数据的训练和分类 | 第20页 |
| 2.2.3 特征观点对的提取 | 第20-21页 |
| 2.2.4 感情色彩判断 | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 评论数据收集和特征提取 | 第22-43页 |
| 3.1 引言 | 第22页 |
| 3.2 相关方法 | 第22-26页 |
| 3.2.1 聚焦爬虫 | 第22-24页 |
| 3.2.2 中文分词 | 第24-25页 |
| 3.2.3 停用词处理 | 第25-26页 |
| 3.3 数据收集和预处理 | 第26-28页 |
| 3.3.1 网页提取和编码转换 | 第26-27页 |
| 3.3.2 分词和停用词处理 | 第27-28页 |
| 3.4 评论数据的特征提取 | 第28-36页 |
| 3.4.1 特征观点对 | 第28-30页 |
| 3.4.2 特征提取算法的框架 | 第30-31页 |
| 3.4.3 特征词、观点词和程度词的判定 | 第31-32页 |
| 3.4.4 特征词匹配方向的判定 | 第32-34页 |
| 3.4.5 特征词的匹配原则 | 第34-36页 |
| 3.5 实验及结果 | 第36-42页 |
| 3.5.1 评论数据采集的演示实验 | 第36-38页 |
| 3.5.2 分词和停用词处理的演示实验 | 第38-39页 |
| 3.5.3 特征观点对的提取实验 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 评论数据的训练和分类 | 第43-66页 |
| 4.1 引言 | 第43页 |
| 4.2 相关方法 | 第43-50页 |
| 4.2.1 文本的表示方法 | 第43-45页 |
| 4.2.2 LSA 算法 | 第45-46页 |
| 4.2.3 PLSA 算法 | 第46-48页 |
| 4.2.4 概率模型下相似性度量方法 | 第48-49页 |
| 4.2.5 聚类效果的评价方法 | 第49-50页 |
| 4.3 语料库数据的训练 | 第50-52页 |
| 4.4 训练数据分类 | 第52-58页 |
| 4.4.1 主题种子词的提取 | 第52-53页 |
| 4.4.2 词语间相似度的计算 | 第53-57页 |
| 4.4.3 主题聚类 | 第57-58页 |
| 4.5 实验及结果 | 第58-65页 |
| 4.5.1 语料库数据的训练实验 | 第58-63页 |
| 4.5.2 训练数据分类实验 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第五章 感情色彩的自动提取 | 第66-78页 |
| 5.1 引言 | 第66页 |
| 5.2 感情色彩提取 | 第66-71页 |
| 5.2.1 感情色彩倾向度 | 第66-67页 |
| 5.2.2 倾向度的计算 | 第67-69页 |
| 5.2.3 感情色彩提取流程 | 第69-71页 |
| 5.3 感情色彩的提取实验及结果 | 第71-77页 |
| 5.3.1 语料库中部分数据演示实验 | 第71-75页 |
| 5.3.2 全体数据的实验结果 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 附录 词性标注符号集 | 第80-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88页 |
