声明
第一章 绪论
1.1 研究工作的背景与意义
1.2国内外相关研究现状
1.2.1 文本意见抽取的研究现状
1.2.2 细粒度情感分析的研究现状
1.2.3 深度学习在自然语言处理领域的研究现状
1.3 主要贡献与创新
1.4 论文的结构安排
第二章 意见挖掘相关理论及技术
2.1文本的特征表示
2.1.1分布式词向量表达
2.1.2文本距离度量
2.2商品评论文本特征的处理方案
2.2.1 Soundex算法
2.2.2 Brown算法
2.3评价维度识别相关算法
2.3.1文本序列标注
2.3.2条件随机场模型
2.4 深度学习基础
2.4.1 神经元结构
2.4.2 BP迭代算法
2.4.3 循环神经网络模型及其变种模型
2.5 本章小结
第三章 商品评价维度识别模型
3.1 商品评论文本预处理
3.1.1 分词及词性标注
3.1.2 特殊特征的标注
3.1.3 分布式词向量的预训练
3.2 抽取评论方面词
3.2.1 商品评论方面词抽取模型的构建
3.2.2 模型的迭代训练及模型优化
3.3 预测评价维度
3.3.1 计算文本相似度
3.3.2 预测结果分析
3.4 本章小结
第四章 评价维度层级的情感倾向分析
4.1 文本特征的提取和表示
4.1.1 提取细粒度的评价特征
4.1.2 多维度的文本特征表示
4.2 细粒度情感倾向分析模型的构建
4.3 本章小结
第五章 商品评论细粒度意见挖掘实验
5.1 对比实验的设计
5.1.1 实验环境说明
5.1.2 实验数据来源
5.1.3 实验评价标准
5.2 商品评论方面词抽取的实验结果与分析
5.2.1 分布式的词向量与迭代算法的对比实验
5.2.2与其他方法的对比实验
5.3 基于商品评论方面词的情感分析实验结果与分析
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;