| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 评论挖掘研究现状 | 第13-17页 |
| 1.2.1 商品评论要素抽取的相关方法 | 第14-15页 |
| 1.2.2 商品评论情感倾向分析 | 第15-16页 |
| 1.2.3 摘要生成方法 | 第16-17页 |
| 1.3 论文主要研究内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 相关知识及关键技术 | 第19-28页 |
| 2.1 情感要素抽取 | 第19-21页 |
| 2.1.1 关联规则 | 第19页 |
| 2.1.2 机器翻译模型 | 第19-21页 |
| 2.1.3 属性词聚类 | 第21页 |
| 2.2 文本情感倾向分析 | 第21-26页 |
| 2.2.1 文本情感倾向分析的粒度 | 第21-22页 |
| 2.2.2 基于文本分类的情感倾向判断 | 第22-23页 |
| 2.2.3 基于语义分析的情感倾向判断 | 第23-26页 |
| 2.3 评价指标 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 商品评论要素抽取 | 第28-46页 |
| 3.1 数据预处理 | 第28-29页 |
| 3.2 改进的频繁项集商品属性抽取方法 | 第29-36页 |
| 3.2.1 传统的基Apriori的频繁项集方法 | 第29-31页 |
| 3.2.2 频繁项集方法的改进 | 第31-36页 |
| 3.3 基于机器翻译模型的属性词-评价词对抽取 | 第36-39页 |
| 3.3.1 词对齐与IBM机器翻译模型 | 第36-38页 |
| 3.3.2 属性-评价词对的抽取 | 第38-39页 |
| 3.4 基于word2vec及k-means的属性词聚类 | 第39-40页 |
| 3.4.1 word2vec简介 | 第39页 |
| 3.4.2 k-means聚类算法 | 第39-40页 |
| 3.5 实验设计与结果分析 | 第40-44页 |
| 3.5.1 实验数据 | 第40-41页 |
| 3.5.2 商品属性词抽取实验结果分析 | 第41-43页 |
| 3.5.3 属性-评价词对抽取结果 | 第43-44页 |
| 3.5.4 属性词聚类结果 | 第44页 |
| 3.6 本章小结 | 第44-46页 |
| 第四章 情感倾向分析 | 第46-54页 |
| 4.1 基于情感词典的情感倾向分析 | 第46-47页 |
| 4.2 基于句法依存关系的情感倾向分析 | 第47-52页 |
| 4.2.1 先验情感词典 | 第48-49页 |
| 4.2.2 基于句法依存关系的情感分数计算规则定义 | 第49-52页 |
| 4.2.3 基于句法依存关系情感倾向分数计算 | 第52页 |
| 4.3 实验设计与结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 商品评论摘要的生成 | 第54-59页 |
| 5.1 传统商品摘要组织形式 | 第54-55页 |
| 5.2 基于统计和优先级评分的摘要生成方法 | 第55-58页 |
| 5.2.1 摘要结构 | 第55-56页 |
| 5.2.2 优先级评分 | 第56页 |
| 5.2.3 摘要生成框架 | 第56-57页 |
| 5.2.4 商品评论摘要提取 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |