B2C网站商品评论挖掘技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 研究现状 | 第14-19页 |
| 1.3.1 文本情感分类的研究现状 | 第14-16页 |
| 1.3.2 产品特征抽取的研究现状 | 第16-18页 |
| 1.3.3 观点词的提取的研究现状 | 第18页 |
| 1.3.4 产品评论挖掘系统构建的研究现状 | 第18-19页 |
| 1.4 论文主要工作 | 第19-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 2 相关理论及关键技术 | 第21-32页 |
| 2.1 评论挖掘概念及过程 | 第21-22页 |
| 2.2 评论文本向量表示 | 第22-25页 |
| 2.2.1 文本表示 | 第22-23页 |
| 2.2.2 特征选择 | 第23-24页 |
| 2.2.3 特征权重计算 | 第24-25页 |
| 2.3 评论文本分类算法 | 第25-29页 |
| 2.3.1 朴素贝叶斯 | 第25-26页 |
| 2.3.2 最大熵 | 第26-27页 |
| 2.3.3 支持向量机 | 第27-29页 |
| 2.3.4 分类性能评估 | 第29页 |
| 2.4 网站评论抓取技术 | 第29-30页 |
| 2.5 中文分词技术 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 评论文本情感分类研究 | 第32-43页 |
| 3.1 整体设计 | 第32-33页 |
| 3.2 评论语料库构建 | 第33页 |
| 3.3 评论分类过程分析 | 第33-39页 |
| 3.3.1 文本预处理 | 第34-35页 |
| 3.3.2 特征提取 | 第35-37页 |
| 3.3.3 分类算法实现 | 第37-39页 |
| 3.4 分类实验分析 | 第39-41页 |
| 3.4.1 实验数据准备 | 第39-40页 |
| 3.4.2 实验结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 评论情感极性分析研究 | 第43-53页 |
| 4.1 基于《知网》的情感种子集的构建 | 第43-44页 |
| 4.2 基于邻近原则“双向迭代法”的情感关系构建 | 第44-48页 |
| 4.2.1 基于邻近原则半监督方法理论 | 第45-46页 |
| 4.2.2 “双向迭代法”构建情感关系 | 第46-48页 |
| 4.2.3 “双向迭代法”实验结果分析 | 第48页 |
| 4.3 基于情感词典的极性分析 | 第48-52页 |
| 4.3.1 情感词典构建 | 第49-50页 |
| 4.3.2 情感极性分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 评论挖掘系统设计与实现 | 第53-63页 |
| 5.1 系统框架设计 | 第53-54页 |
| 5.2 系统模块设计 | 第54-60页 |
| 5.2.1 词典维护模块 | 第54-55页 |
| 5.2.2 评论收集模块 | 第55-57页 |
| 5.2.3 评论分类模块 | 第57-58页 |
| 5.2.4 评论情感分析模块 | 第58-60页 |
| 5.3 系统可视化展示 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 结论 | 第63-65页 |
| 6.1 研究工作总结 | 第63-64页 |
| 6.2 进一步工作 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 作者简历及攻读硕士学位期间取得旳研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
