书籍详情
基于LDA主题模型和领域本体的中文产品评论细粒度情感分析
作者：尹裴，王洪伟 著，伍江，雷星晖 编
出版社：同济大学出版社
出版时间：2018-10-01
ISBN：9787560879857
定价：¥72.00
购买这本书可以去
内容简介
《基于LDA主题模型和领域本体的中文产品评论细粒度情感分析/同济博士论丛》结合设计科学和计量经济两种研究范式，对“中文产品评论细粒度情感分析”进行了系统的研究，从而实现对产品评论的挖掘与应用。在计算机科学层面上，以设计科学研究方法论为指导，按照“模型设计-模型实现-模型评价”的研究路线，设计细粒度情感分析算法：在经济学层面上，建立基于多属性离散选择的产品销量模型，以此分析产品评论对商家销量的影响。《基于LDA主题模型和领域本体的中文产品评论细粒度情感分析/同济博士论丛》适合经济管理专业人员及高校师生参考使用。
作者简介
暂缺《基于LDA主题模型和领域本体的中文产品评论细粒度情感分析》作者简介
目录
总序
论丛前言
前言
第1章 绪论
1．1 研究背景
1．1．1 在线产品评论影响消费者的购买决策
1．1．2 情感分析技术可以挖掘产品评论中的用户观点
1．1．3 细粒度情感分析有助于揭示产品评论对商家销量的影响机理
1．2 研究意义
1．3 研究内容
1．3．1 研究问题
1．3．2 研究目的
1．3．3 研究方法
1．4 研究思路与结构安排
1．4．1 基本概念的界定
1．4．2 研究的逻辑思路
1．4．3 研究的组织结构
1．5 研究的创新点
第2章 研究综述
2．1 特征词的识别
2．1．1 相关研究概述
2．1 _2基于统计自然语言处理的方法
2．1．3 基于语义分析的方法
2．2 观点词的识别
2．2．1 相关研究概述
2．2．2 基于统计自然语言处理的方法
2．2．3 基于情感词典的方法
2．3 特征词与观点词的配对
2．3．1 相关研究概述
2．3．2 基于统计自然语言处理的方法
2．3．3 基于语义分析的方法
2．4 情感强度计算与极性分类
2．4．1 相关研究概述
2．4．2 基于语料的方法
2．4．3 基于情感词典的方法
2．5 产品评论对销量的影响
2．5．1 产品评论的口碑效应
2．5．2 产品评论的数值信息对产品销量的影响
2．5．3 产品评论的文本信息对产品销量的影响
2．6 研究评述
2．6．1 特征词识别的研究评述
2．6．2 观点词识别的研究评述
2．6．3 特征词与观点词配对的研究评述
2．6．4 情感强度计算与极性分类的研究评述
2．6．5 产品评论与销量关系的研究评述
2．7 本章小结
第3章 基于LDA主题模型的中文产品评论特征词与观点词识别
3．1 基于LDA主题模型的特征词与观点词识别研究框架
3．1．1 现有研究的不足
3．1．2 本章的研究框架
3．2 面向产品评论的SA-LDA主题模型
3．2．1 LDA主题模型以及Gibbs抽样
3．2．2 SA-LDA主题模型的构建
3．2．3 SA-LDA主题模型的参数估计——Gibbs抽样
3．3 基于sA-LDA主题模型的特征词与观点词识别
3．3．1 SA-LDA主题模型的初始化
3．3．2 特征词与观点词的识别
3．3．3 特征词与观点词识别算法的实现
3．4 实验与评价
3．4．1 实验步骤设计
3．4．2 实验语料库构建
3．4．3 实验评价方法
3．4．4 实验1：设置SA-LDA主题模型的参数初始值
3．4．5 实验2：输出sA-LDA主题模型的运算结果
3．4．6 实验3：特征词与观点词识别的对比实验
3．5 本章小结
第4章 基于领域本体的中文产品评论特征词与观点词配对
4．1 基于领域本体的特征词与观点词配对研究框架
4．1．1 现有研究的不足
4．1．2 本章的研究框架
4．2 面向产品评论的领域本体
4．2．1 领域本体的基本结构
4．2．2 领域本体的初始化
4．2．3 领域本体的扩展
4．3 基于领域本体的特征词与观点词配对
4．3．1 产品评论与领域本体的关联
4．3．2 特征词与观点词到领域本体的映射
4．3．3 特征词与观点词配对
4．3．4 隐式特征词识别
4．3．5 特征词与观点词配对算法的实现
4．4 实验与评价
4．4．1 实验步骤设计
4．4．2 实验语料处理
4．4．3 实验评价方法
4．4．4 实验1：设定特征指示观点词识别的阈值
4．4．5 实验2：构建领域本体模型
4．4．6 实验3：特征词与观点词配对的对比实验
4．5 本章小结
第5章 面向中文产品评论“特征观点对”的情感分析
5．1 面向“特征观点对”的情感分析研究框架
5．1．1 现有研究的不足
5．1．2 本章的研究框架
5．2 情感强度模糊性分析
5．2．1 情感强度模糊性概述
5．2．2 观点词的情感强度模糊性
5．2．3 观点修饰词的情感强度模糊性
5．3 基于上下文语义计算的“特征观点对”情感强度计算
5．3．1 上下文语境对观点词情感的影响
5．3．2 观点词的情感强度计算
5．3．3 “特征观点对”的情感强度计算
5．4 实验与评价
5．4．1 实验步骤设计
5．4．2 实验语料处理
5．4．3 实验评价方法
5．4．4 实验1：计算“特征观点对”的情感强度值
5．4．5 实验2：“特征观点对”情感强度计算的对比实验
5．4．6 实验3：设定“特征观点对”的情感强度临界值
5．4．7 实验4：“特征观点对”情感极性分类的对比实验
5．4．8 实验5：基于“特征观点对”情感分析的产品对比评测
5．5 本章小结
第6章 细粒度情感分析的应用——中文产品评论对商家销量的影响
6．1 产品评论对销量影响的基本思路
6．1．1 产品评论的口碑效应
6．1．2 消费者的购买决策过程
6．1．3 产品评论对销量影响的研究框架
6．2 中文产品评论对销量影响的计量模型：基于多属性离散选择
6．2．1 多属性离散选择的建模方法
6．2．2 基于细粒度情感分析的产品评价矩阵
6．2．3 不确定条件下多属性离散选择模型的构建
6．2．4 基于多属性离散选择的产品销量模型
6．3 中文产品评论对销量影响的回归分析
6．3．1 内生性问题的分析
6．3．2 多元回归模型的构建
6．3．3 多元回归模型的参数估计与显著性检验
6．3．4 多元回归模型的参数估计结果
6．3．5 多元回归模型的显著性分析
6．4 中文产品评论对销量影响的讨论
6．4．1 产品评论的文本信息对销量的影响
6．4．2 产品评论的数值信息对销量的影响
6．4．3 非产品评论的其他控制变量对销量的影响
6．5 管理启示
6．6 本章小结
第7章 全书总结及展望
7．1 全书总结
7．2 进一步的研究展望
参考文献
后记
论丛前言
前言
第1章 绪论
1．1 研究背景
1．1．1 在线产品评论影响消费者的购买决策
1．1．2 情感分析技术可以挖掘产品评论中的用户观点
1．1．3 细粒度情感分析有助于揭示产品评论对商家销量的影响机理
1．2 研究意义
1．3 研究内容
1．3．1 研究问题
1．3．2 研究目的
1．3．3 研究方法
1．4 研究思路与结构安排
1．4．1 基本概念的界定
1．4．2 研究的逻辑思路
1．4．3 研究的组织结构
1．5 研究的创新点
第2章 研究综述
2．1 特征词的识别
2．1．1 相关研究概述
2．1 _2基于统计自然语言处理的方法
2．1．3 基于语义分析的方法
2．2 观点词的识别
2．2．1 相关研究概述
2．2．2 基于统计自然语言处理的方法
2．2．3 基于情感词典的方法
2．3 特征词与观点词的配对
2．3．1 相关研究概述
2．3．2 基于统计自然语言处理的方法
2．3．3 基于语义分析的方法
2．4 情感强度计算与极性分类
2．4．1 相关研究概述
2．4．2 基于语料的方法
2．4．3 基于情感词典的方法
2．5 产品评论对销量的影响
2．5．1 产品评论的口碑效应
2．5．2 产品评论的数值信息对产品销量的影响
2．5．3 产品评论的文本信息对产品销量的影响
2．6 研究评述
2．6．1 特征词识别的研究评述
2．6．2 观点词识别的研究评述
2．6．3 特征词与观点词配对的研究评述
2．6．4 情感强度计算与极性分类的研究评述
2．6．5 产品评论与销量关系的研究评述
2．7 本章小结
第3章 基于LDA主题模型的中文产品评论特征词与观点词识别
3．1 基于LDA主题模型的特征词与观点词识别研究框架
3．1．1 现有研究的不足
3．1．2 本章的研究框架
3．2 面向产品评论的SA-LDA主题模型
3．2．1 LDA主题模型以及Gibbs抽样
3．2．2 SA-LDA主题模型的构建
3．2．3 SA-LDA主题模型的参数估计——Gibbs抽样
3．3 基于sA-LDA主题模型的特征词与观点词识别
3．3．1 SA-LDA主题模型的初始化
3．3．2 特征词与观点词的识别
3．3．3 特征词与观点词识别算法的实现
3．4 实验与评价
3．4．1 实验步骤设计
3．4．2 实验语料库构建
3．4．3 实验评价方法
3．4．4 实验1：设置SA-LDA主题模型的参数初始值
3．4．5 实验2：输出sA-LDA主题模型的运算结果
3．4．6 实验3：特征词与观点词识别的对比实验
3．5 本章小结
第4章 基于领域本体的中文产品评论特征词与观点词配对
4．1 基于领域本体的特征词与观点词配对研究框架
4．1．1 现有研究的不足
4．1．2 本章的研究框架
4．2 面向产品评论的领域本体
4．2．1 领域本体的基本结构
4．2．2 领域本体的初始化
4．2．3 领域本体的扩展
4．3 基于领域本体的特征词与观点词配对
4．3．1 产品评论与领域本体的关联
4．3．2 特征词与观点词到领域本体的映射
4．3．3 特征词与观点词配对
4．3．4 隐式特征词识别
4．3．5 特征词与观点词配对算法的实现
4．4 实验与评价
4．4．1 实验步骤设计
4．4．2 实验语料处理
4．4．3 实验评价方法
4．4．4 实验1：设定特征指示观点词识别的阈值
4．4．5 实验2：构建领域本体模型
4．4．6 实验3：特征词与观点词配对的对比实验
4．5 本章小结
第5章 面向中文产品评论“特征观点对”的情感分析
5．1 面向“特征观点对”的情感分析研究框架
5．1．1 现有研究的不足
5．1．2 本章的研究框架
5．2 情感强度模糊性分析
5．2．1 情感强度模糊性概述
5．2．2 观点词的情感强度模糊性
5．2．3 观点修饰词的情感强度模糊性
5．3 基于上下文语义计算的“特征观点对”情感强度计算
5．3．1 上下文语境对观点词情感的影响
5．3．2 观点词的情感强度计算
5．3．3 “特征观点对”的情感强度计算
5．4 实验与评价
5．4．1 实验步骤设计
5．4．2 实验语料处理
5．4．3 实验评价方法
5．4．4 实验1：计算“特征观点对”的情感强度值
5．4．5 实验2：“特征观点对”情感强度计算的对比实验
5．4．6 实验3：设定“特征观点对”的情感强度临界值
5．4．7 实验4：“特征观点对”情感极性分类的对比实验
5．4．8 实验5：基于“特征观点对”情感分析的产品对比评测
5．5 本章小结
第6章 细粒度情感分析的应用——中文产品评论对商家销量的影响
6．1 产品评论对销量影响的基本思路
6．1．1 产品评论的口碑效应
6．1．2 消费者的购买决策过程
6．1．3 产品评论对销量影响的研究框架
6．2 中文产品评论对销量影响的计量模型：基于多属性离散选择
6．2．1 多属性离散选择的建模方法
6．2．2 基于细粒度情感分析的产品评价矩阵
6．2．3 不确定条件下多属性离散选择模型的构建
6．2．4 基于多属性离散选择的产品销量模型
6．3 中文产品评论对销量影响的回归分析
6．3．1 内生性问题的分析
6．3．2 多元回归模型的构建
6．3．3 多元回归模型的参数估计与显著性检验
6．3．4 多元回归模型的参数估计结果
6．3．5 多元回归模型的显著性分析
6．4 中文产品评论对销量影响的讨论
6．4．1 产品评论的文本信息对销量的影响
6．4．2 产品评论的数值信息对销量的影响
6．4．3 非产品评论的其他控制变量对销量的影响
6．5 管理启示
6．6 本章小结
第7章 全书总结及展望
7．1 全书总结
7．2 进一步的研究展望
参考文献
后记
猜您喜欢
