面向产品评论的属性类别分类方法研究与实现.docx

目录HYPERLINK\l_Toc5999_WPSOffice_Level1中文摘要3HYPERLINK\l_Toc25779_WPSOffice_Level1Abstract3HYPERLINK\l_Toc31852_WPSOffice_Level1第一章绪论1HYPERLINK\l_Toc25779_WPSOffice_Level21.1研究背景1HYPERLINK\l_Toc31852_WPSOffice_Level21.2研究现状2HYPERLINK\l_Toc24838_WPSOffice_Level21.3经济意义2HYPERLINK\l_Toc32469_WPSOffice_Level21.4本文工作3HYPERLINK\l_Toc25779_WPSOffice_Level3（1）训练阶段3HYPERLINK\l_Toc31852_WPSOffice_Level3（2）测试阶段4HYPERLINK\l_Toc24838_WPSOffice_Level1第二章相关知识介绍4HYPERLINK\l_Toc5574_WPSOffice_Level22.1分词技术4HYPERLINK\l_Toc24838_WPSOffice_Level32.1.1关键问题5HYPERLINK\l_Toc32469_WPSOffice_Level32.1.2中文分词算法5HYPERLINK\l_Toc5574_WPSOffice_Level32.1.3结巴分词6HYPERLINK\l_Toc17991_WPSOffice_Level22.2特征提取6HYPERLINK\l_Toc17991_WPSOffice_Level32.2.1特征选择方法7HYPERLINK\l_Toc16760_WPSOffice_Level32.2.2文本向量化9HYPERLINK\l_Toc9142_WPSOffice_Level3I.向量空间模型（VSM）。9HYPERLINK\l_Toc21439_WPSOffice_Level3II.词嵌入（wordembedding）。9HYPERLINK\l_Toc16760_WPSOffice_Level22.3分类模型10HYPERLINK\l_Toc2249_WPSOffice_Level32.3.1CNN（卷积神经网络）模型10HYPERLINK\l_Toc32234_WPSOffice_Level32.3.2LSTM模型11HYPERLINK\l_Toc30392_WPSOffice_Level32.3.3支持向量机(SVM)13HYPERLINK\l_Toc32469_WPSOffice_Level1第三章语料14HYPERLINK\l_Toc9142_WPSOffice_Level23.1语料收集14HYPERLINK\l_Toc21439_WPSOffice_Level23.2语料处理工作15HYPERLINK\l_Toc2249_WPSOffice_Level23.3评价指标16HYPERLINK\l_Toc5574_WPSOffice_Level1第四章实现产品评论属性分类17HYPERLINK\l_Toc32234_WPSOffice_Level24.1产品评论分类研究意义18HYPERLINK\l_Toc30392_WPSOffice_Level24.2属性类别分类方法18HYPERLINK\l_Toc1267_WPSOffice_Level34.2.1Word2Vec训练词向量20HYPERLINK\l_Toc11460_WPSOffice_Level34.2.2基于LSTM的类别分类方法20HYPERLINK\l_Toc1267_WPSOffice_Level24.3实验参数设置及结果分析22HYPERLINK\l_Toc18550_WPSOffice_Level34.3.1实验参数设置22HYPERLINK\l_Toc23515_WP