| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章. 引言 | 第14-27页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究现状 | 第15-25页 |
| 1.2.1 评论分析 | 第15-21页 |
| 1.2.2 文本自动摘要 | 第21-24页 |
| 1.2.3 问题分析 | 第24-25页 |
| 1.3 研究内容与贡献 | 第25-26页 |
| 1.4 章节安排 | 第26-27页 |
| 第二章. 基础模型 | 第27-37页 |
| 2.1 隐马尔可夫模型 | 第27-28页 |
| 2.2 主题模型 | 第28-35页 |
| 2.2.1 隐含狄利克雷分布 | 第28-31页 |
| 2.2.2 Gibbs抽样及推理 | 第31页 |
| 2.2.3 句法建模 | 第31-33页 |
| 2.2.4 利用HMM的LDA模型 | 第33-35页 |
| 2.3 深度学习 | 第35-36页 |
| 2.3.1 LSTM模型 | 第35-36页 |
| 2.3.2 注意力机制 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章. 基于多关联自举的评论信息抽取算法 | 第37-52页 |
| 3.1 引言 | 第37页 |
| 3.2 任务描述 | 第37-39页 |
| 3.2.1 描述 | 第37-38页 |
| 3.2.2 符号说明 | 第38-39页 |
| 3.3 算法描述 | 第39-44页 |
| 3.3.1 三种关联关系 | 第39-40页 |
| 3.3.2 两种量化关联关系模型 | 第40-41页 |
| 3.3.3 基于多关联的自举算法 | 第41-44页 |
| 3.4 实验 | 第44-50页 |
| 3.4.1 实验数据 | 第44-45页 |
| 3.4.2 实验设置 | 第45-48页 |
| 3.4.3 实验结果及分析 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章. 基于LDA的评论信息主题建模 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 基于LDA的评论信息主题建模 | 第52-56页 |
| 4.2.1 模型简介 | 第52-53页 |
| 4.2.2 符号说明及模型的图表示 | 第53-55页 |
| 4.2.3 模型的形式化描述 | 第55-56页 |
| 4.3 推理方法 | 第56-60页 |
| 4.4 超参数估计 | 第60-61页 |
| 4.5 实验 | 第61-67页 |
| 4.5.1 实验数据 | 第61-63页 |
| 4.5.2 实验设置 | 第63-64页 |
| 4.5.3 实验结果及分析 | 第64-67页 |
| 4.6 本章小结 | 第67-70页 |
| 第五章. 基于层次注意力机制的摘要句子提取 | 第70-83页 |
| 5.1 引言 | 第70页 |
| 5.2 模型 | 第70-77页 |
| 5.2.1 句子编码器 | 第72-73页 |
| 5.2.2 文档编码器 | 第73-74页 |
| 5.2.3 句子输出器 | 第74-75页 |
| 5.2.4 摘要句子排序 | 第75-77页 |
| 5.3 实验 | 第77-82页 |
| 5.3.1 实验数据 | 第77页 |
| 5.3.2 实验设置 | 第77-78页 |
| 5.3.3 摘要的评估方法 | 第78页 |
| 5.3.4 实验结果及分析 | 第78-82页 |
| 5.4 本章小结 | 第82-83页 |
| 第六章. 在线评论的自动摘要原型系统实现 | 第83-94页 |
| 6.1 原型系统 | 第83-85页 |
| 6.1.1 系统设计 | 第83-84页 |
| 6.1.2 系统实现 | 第84-85页 |
| 6.2 摘要的层次展示设计 | 第85-90页 |
| 6.2.1 摘要句子相似度测量 | 第86-87页 |
| 6.2.2 摘要中的子主题聚类 | 第87-88页 |
| 6.2.3 聚类结果及分析 | 第88-90页 |
| 6.3 系统展示 | 第90-93页 |
| 6.4 本章小结 | 第93-94页 |
| 第七章. 总结与展望 | 第94-96页 |
| 7.1 工作总结 | 第94页 |
| 7.2 下一步研究展望 | 第94-96页 |
| 参考文献 | 第96-105页 |
| 附录一 缩略词表 | 第105-107页 |
| 附录二 TripAdvisor数据集aspect词 | 第107-110页 |
| 致谢 | 第110-112页 |
| 攻读学位期间发表的学术论文目录 | 第112页 |