| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 问题提出 | 第10-11页 |
| 1.2 国内外相关研究现状和分析 | 第11-13页 |
| 1.2.1 文本情感分析研究现状和分析 | 第11-12页 |
| 1.2.2 网络观点分析和挖掘研究现状和分析 | 第12-13页 |
| 1.3 本文的研究内容和目标 | 第13-14页 |
| 1.3.1 研究内容和目标 | 第13-14页 |
| 1.3.2 课题来源 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 相关理论及技术 | 第16-30页 |
| 2.1 网络数据获取 | 第16-18页 |
| 2.1.1 网络爬虫的概念 | 第16-17页 |
| 2.1.2 网络爬虫的工作原理 | 第17-18页 |
| 2.2 文本聚类 | 第18-24页 |
| 2.2.1 文本预处理 | 第18-20页 |
| 2.2.2 文本表示 | 第20-22页 |
| 2.2.3 文本聚类 | 第22-24页 |
| 2.3 文本情感倾向性分析 | 第24-26页 |
| 2.3.1 语句层析的情感倾向性预测 | 第24-25页 |
| 2.3.2 篇章层次的情感倾向性分析 | 第25页 |
| 2.3.3 海量数据的情感性分析 | 第25-26页 |
| 2.4 观点社群发现 | 第26-29页 |
| 2.4.1 观点社群相关概念 | 第26-27页 |
| 2.4.2 观点社群发现技术和表示 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于情感的观点社群发现分析模型 | 第30-40页 |
| 3.1 问题提出 | 第30页 |
| 3.2 观点社群发现模型 | 第30-31页 |
| 3.3 任务分析 | 第31-38页 |
| 3.3.1 网络评论的获取和内容的表示 | 第31-32页 |
| 3.3.2 评论内容建模 | 第32-35页 |
| 3.3.3 基于情感的观点社群发现 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 观点社群代表性观点提取模型 | 第40-46页 |
| 4.1 观点社群代表性观点提取思想 | 第40页 |
| 4.2 最长有序情感句定义 | 第40-41页 |
| 4.3 情感短语树构建 | 第41-45页 |
| 4.3.1 情感短语树的定义 | 第41页 |
| 4.3.2 情感短语树构建的实现 | 第41-44页 |
| 4.3.3 基于情感短语树的观点提取实现 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于观点社群和区域的观点分布发现模型 | 第46-52页 |
| 5.1 观点分布区域相关性 | 第46页 |
| 5.1.1 观点分布区域相关性定义 | 第46页 |
| 5.1.2 观点分布区域相关性研究意义 | 第46页 |
| 5.2 区域概念层次树的构建 | 第46-50页 |
| 5.2.1 区域概念层次树的定义 | 第46-48页 |
| 5.2.2 区域层次树的构建 | 第48-50页 |
| 5.3 基于观点社群和区域层次树的观点分布发现算法实现 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 实验结果及分析 | 第52-68页 |
| 6.1 实验设计与实验环境 | 第52-53页 |
| 6.1.1 实验设计 | 第52-53页 |
| 6.1.2 实验环境 | 第53页 |
| 6.2 实验结果及分析 | 第53-65页 |
| 6.2.1 基于LDA+Kmeans的观点社群发现结果及分析 | 第53-58页 |
| 6.2.2 最长有序情感句抽取结果及分析 | 第58-62页 |
| 6.2.3 观点分布区域相关性发现结果及分析 | 第62-65页 |
| 6.3 本章小结 | 第65-68页 |
| 第七章 结论及未来工作 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 进一步工作 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 攻硕期间参与项目 | 第76页 |