| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容、方法及创新点 | 第10-13页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 研究方法与技术路线 | 第11-12页 |
| 1.2.3 论文创新点 | 第12-13页 |
| 2 国内外相关研究文献回顾 | 第13-22页 |
| 2.1 在线用户评论（OCRs）与有效性研究 | 第13-15页 |
| 2.1.1 在线用户评论相关研究 | 第13-14页 |
| 2.1.2 评论有效性相关研究 | 第14-15页 |
| 2.2 在线评论有效性影响因素研究 | 第15-17页 |
| 2.3 在线评论有效性分类相关研究 | 第17-21页 |
| 2.3.1 在线评论有效性分类研究状况 | 第17-18页 |
| 2.3.2 在线评论有效性分类方法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于IG领域知识的评论有效性自动分类的实现 | 第22-29页 |
| 3.1 初级领域词库的构建 | 第22-24页 |
| 3.2 基于IG的有效性领域知识模型的构建 | 第24-26页 |
| 3.2.1 基于信息增益的特征提取 | 第24-25页 |
| 3.2.2 基于IG的有效性领域知识模型构建原理 | 第25-26页 |
| 3.3 基于领域知识的SVM分类器的训练与预测 | 第26-27页 |
| 3.3.1 基于SVM文本分类主要技术 | 第26-27页 |
| 3.3.2 基于领域知识的SVM分类过程 | 第27页 |
| 3.4 基于IG线上评论有效性分类领域知识模型框架 | 第27-29页 |
| 4 基于IG领域知识库的在线评论有效性分类方法的验证 | 第29-39页 |
| 4.1 实验数据的选择与预处理 | 第29-30页 |
| 4.2 评论有效性特征测量与样本类别标注 | 第30-32页 |
| 4.2.1 基于评论有效性特征测量的样本类别标注 | 第30页 |
| 4.2.2 基于人工主观性样本类别标注 | 第30-32页 |
| 4.3 基于IG分类领域知识的评论有效性分类实现 | 第32-34页 |
| 4.4 实验结果及分析 | 第34-37页 |
| 4.4.1 基于IG领域知识的评论效用分类结果分析 | 第34-36页 |
| 4.4.2 基于不同网购平台的评论效用分类结果分析 | 第36-37页 |
| 4.5 本章小结 | 第37-39页 |
| 5 结论 | 第39-41页 |
| 参考文献 | 第41-46页 |
| 附录 | 第46-55页 |
| 附录I 攻读硕士学位期间发表（录用）的论文 | 第46-47页 |
| 附录II 攻读硕士学位期间参加的科研项目 | 第47-48页 |
| 附录III 基于IG领域知识库在线评论有效性自动分类方法实现代码 | 第48-55页 |
| 致谢 | 第55页 |
