| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13页 |
| 1.4 论文组织结构和创新点 | 第13-15页 |
| 第二章 社交商务与大数据研究综述 | 第15-23页 |
| 2.1 国内外社交商务研究综述 | 第15-18页 |
| 2.2 国内外大数据研究综述 | 第18-23页 |
| 第三章 面向社交商务的数据分析与挖掘的复杂性研究 | 第23-31页 |
| 3.1 引言 | 第23页 |
| 3.2 社交商务环境下数据分析的复杂性 | 第23-25页 |
| 3.2.1 社交商务环境下的大数据来源复杂性 | 第23-25页 |
| 3.2.2 社交商务环境下的数据非结构化特征 | 第25页 |
| 3.3 社交商务环境下数据挖掘的复杂性 | 第25-30页 |
| 3.3.1 社交商务环境下的数据管理复杂性 | 第25-27页 |
| 3.3.2 社交商务环境下的文本数据挖掘过程复杂性 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 面向社交购物的产品评论数据分析方法研究 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 经典的特征抽取技术 | 第31-33页 |
| 4.3 基于特征抽取的产品评论文本数据情感分析研究 | 第33-38页 |
| 4.3.1 基于特征抽取的产品评论情感分析概述 | 第33-34页 |
| 4.3.2 基于特征抽取的产品评论情感分析流程 | 第34-35页 |
| 4.3.3 基于Apriori算法的特征抽取 | 第35-36页 |
| 4.3.4 频繁特征剪枝 | 第36-37页 |
| 4.3.5 基于HowNet情感词典的产品评论情感极性分析 | 第37-38页 |
| 4.3.6 非频繁产品特征的处理 | 第38页 |
| 4.4 实验过程及结果分析 | 第38-42页 |
| 4.4.1 实验语料 | 第38-39页 |
| 4.4.2 产品特征抽取 | 第39页 |
| 4.4.3 评价指标 | 第39页 |
| 4.4.4 结果分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 面向社交营销的电商微博数据分析方法研究 | 第43-59页 |
| 5.1 引言 | 第43页 |
| 5.2 相关研究背景 | 第43-46页 |
| 5.2.1 标准LDA模型 | 第43-44页 |
| 5.2.2 基于LDA模型的微博主题挖掘概述 | 第44-46页 |
| 5.3 面向电商微博主题挖掘的EM-LDA综合模型 | 第46-54页 |
| 5.3.1 基于哈希标签的电商微博分类 | 第46-48页 |
| 5.3.2 面向显式话题微博的ET-LDA模型 | 第48-50页 |
| 5.3.3 ET-LDA模型的求解 | 第50-51页 |
| 5.3.4 面向隐式话题微博的IT-LDA模型 | 第51-53页 |
| 5.3.5 IT-LDA模型的求解 | 第53-54页 |
| 5.4 热点话题和热点词汇的抽取 | 第54-55页 |
| 5.5 实验过程及结果分析 | 第55-58页 |
| 5.5.1 实验数据集与预处理 | 第55-56页 |
| 5.5.2 模型主题个数选取实验 | 第56页 |
| 5.5.3 EM-LDA综合模型的热点主题挖掘实验 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 主要工作总结 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 作者简介 | 第69-70页 |
| 附录1 Apriori算法的部分Java代码 | 第70-74页 |
| 附录2 LDA主题挖掘的部分R程序 | 第74页 |
