大数据视角下的观点挖掘

**章 导论 **节 观点挖掘：研究的兴起 第二节 从小数据到大数据：观点挖掘所面临的挑战 第三节 大数据环境下的规模跨度问题 一潜在语义索引方法 二佩奇排名方法 三映射／规约架构 四SQL与Hadoop相结合的方法 第四节 大数据环境下的领域跨度问题 一共同特征选择 二目标领域文档选择 三查询词扩充 四迁移学习 第五节 大数据环境下的语言跨度问题 一多语词典构建 二语料库对齐 三用户反馈和用户行为 四领域知识库对齐 第六节 本章 结语 第二章 大数据环境下的观点挖掘研究方法 **节 观点挖掘的形式化定义与研究思路 第二节 多领域多语言网络评论的下载 第三节 评论的过滤与分类 第四节 产品名称和产品属性识别 一关联规则法 二点互信息法 三概率潜在语义分析法 四潜在狄利克雷分布法 五相关主题模型法 六*大熵原理法 第五节 观点极性判断 一基于WordNet的方法 二基于连接词的方法 三基于点互信息的方法 四松弛标记法 五条件随机场法 第六节 领域跨度下的观点挖掘 第七节 语言跨度下的观点挖掘 第八节 规模跨度下的观点挖掘 第九节 观点摘要、主题分析与可视化展示 第十节 本章 结语 第三章 虚假评论识别 **节 虚假评论识别的意义 第二节 虚假评论识别的相关研究 第三节 虚假评论识别的行为指标体系 一评论个人行为的指标体系 第四章 产品名称识别 第五章 产品属性识别 第六章 观点的情感分析 第七章 观点挖掘的领域适配 第八章 观点挖掘的语言适配 第九章 观点挖掘的规模适配 第十章 观点摘要 第十一章 观点主题分析 第十二章 总结与展望