| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及选题意义 | 第12-13页 |
| 1.2 研究现状 | 第13-20页 |
| 1.2.1 情感词典构建研究现状 | 第13-15页 |
| 1.2.2 属性-观点对研究现状 | 第15-17页 |
| 1.2.3 情感分析研究现状 | 第17-20页 |
| 1.3 论文主要工作 | 第20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 2 文本情感分析相关基础知识 | 第22-31页 |
| 2.1 文本情感分析的一般流程 | 第22-23页 |
| 2.2 常用模型介绍 | 第23-29页 |
| 2.2.1 机器学习模型 | 第23-26页 |
| 2.2.2 深度学习模型 | 第26-29页 |
| 2.3 文本分类性能评价指标 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 中文文本预处理 | 第31-45页 |
| 3.1 数据收集及处理 | 第31-33页 |
| 3.2 分词处理及引入停用词 | 第33-36页 |
| 3.2.1 中文分词处理 | 第33-35页 |
| 3.2.2 引入停用词 | 第35-36页 |
| 3.3 映射特征空间并建立字典 | 第36-44页 |
| 3.3.1 文本向量化 | 第36-43页 |
| 3.3.2 建立字典 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 建立分析模型并训练 | 第45-58页 |
| 4.1 LSTM分析模型 | 第45-52页 |
| 4.2 构建分析模型 | 第52-55页 |
| 4.2.1 嵌入层 | 第52页 |
| 4.2.2 循环层 | 第52-53页 |
| 4.2.3 核心层 | 第53-54页 |
| 4.2.4 Word2Vec+LSTM模型 | 第54-55页 |
| 4.3 实验及结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 商品评论情感分析结果展示 | 第58-64页 |
| 5.1 生成展示标签 | 第58-59页 |
| 5.2 验证展示标签正确性 | 第59-60页 |
| 5.2.1 使用结巴词频统计验证 | 第59-60页 |
| 5.2.2 使用Word2Vec查找关键词的相关词验证 | 第60页 |
| 5.3 基于展示标签的商品评论情感分析系统 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| 6.1 研究工作总结 | 第64页 |
| 6.2 进一步工作 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |