| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 情感信息抽取概述 | 第11-12页 |
| 1.2.2 研究现状 | 第12-13页 |
| 1.3 本文的主要内容及组织结构 | 第13-17页 |
| 1.3.1 本文的主要研究内容 | 第13-15页 |
| 1.3.2 本文的组织结构 | 第15-17页 |
| 第二章 依存关系模板及属性词提取算法 | 第17-35页 |
| 2.1 语料预处理 | 第17-18页 |
| 2.1.1 词性标注 | 第17页 |
| 2.1.2 依存关系解析 | 第17-18页 |
| 2.2 初始依存关系模板的识别 | 第18-22页 |
| 2.2.1 依存关系分类 | 第18-19页 |
| 2.2.2 关联规则 | 第19-20页 |
| 2.2.3 依存关系模板提取算法 | 第20-21页 |
| 2.2.4 依存关系模板提取结果分析 | 第21-22页 |
| 2.3 情感词典构建方法 | 第22-23页 |
| 2.4 基于Bootstrapping思想的机器学习方法概述 | 第23-30页 |
| 2.4.1 元自扩展算法 | 第23-25页 |
| 2.4.2 EM算法 | 第25-27页 |
| 2.4.3 Co-training算法 | 第27-30页 |
| 2.5 产品属性词抽取算法 | 第30-34页 |
| 2.5.1 基于改进的元自扩展算法抽取框架概述 | 第31页 |
| 2.5.2 候选依存关系获取及评价标准 | 第31-33页 |
| 2.5.3 候选属性词获取及评价标准 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 属性词相似性及聚类算法 | 第35-47页 |
| 3.1 词的特征表示及相似性算法 | 第35-40页 |
| 3.1.1 相似性计算方法概述 | 第35-37页 |
| 3.1.2 基于WordNet的词语相似性计算方法 | 第37页 |
| 3.1.3 基于web的词语相似性计算方法 | 第37-40页 |
| 3.2 属性词聚类算法 | 第40-46页 |
| 3.2.1 聚类方法概述 | 第40页 |
| 3.2.2 层次聚类及类间距离计算方法 | 第40-41页 |
| 3.2.3 K-Link层次聚类算法 | 第41-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 系统设计与实现 | 第47-51页 |
| 4.1 系统概述 | 第47页 |
| 4.2 数据采集 | 第47-48页 |
| 4.3 数据预处理 | 第48页 |
| 4.4 情感词典的构建 | 第48页 |
| 4.5 种子依存关系集 | 第48-49页 |
| 4.6 属性词的抽取与筛选 | 第49页 |
| 4.7 属性词的聚类与过滤 | 第49-50页 |
| 4.8 本章小结 | 第50-51页 |
| 第五章 实验与分析 | 第51-58页 |
| 5.1 信息抽取的评价指标 | 第51页 |
| 5.2 语料集 | 第51-52页 |
| 5.3 实验设计与结果分析 | 第52-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-62页 |
| 6.1 工作总结 | 第58-60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 作者攻读学位期间发表的学术论文 | 第67页 |