首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

基于用户评价的垃圾评论检测

摘要第4-5页
ABSTRACT第5页
第一章 绪论第10-16页
    1.1 选题背景第10页
    1.2 国内外研究现状第10-14页
        1.2.1 垃圾评论的定义和分析第10-11页
        1.2.2 评论数据收集方法第11-12页
        1.2.3 机器学习软件第12-14页
        1.2.4 小结第14页
    1.3 课题研究意义第14页
    1.4 论文研究的内容第14-15页
    1.5 论文章节安排第15页
    1.6 本章小结第15-16页
第二章 基于浏览器插件的评论收集及预处理技术第16-23页
    2.1 评论信息的数据模型第16-17页
    2.2 基于浏览器插件的评论收集方法第17-20页
        2.2.1 评论收集插件架构第17-19页
        2.2.2 评论信息获取方法第19-20页
    2.3 评论数据预处理第20-22页
        2.3.1 商品店铺信息第21-22页
        2.3.2 评论人等级第22页
    2.4 本章小结第22-23页
第三章 基于分类算法的垃圾评论检测方法第23-36页
    3.1 分类属性的提取第23-30页
        3.1.1 评论属性的划分第23-24页
        3.1.2 评论连贯性第24-28页
        3.1.3 评论一致性第28-30页
    3.2 样本集的构建第30-32页
    3.3 分类算法第32-35页
        3.3.1 SVM算法第32-34页
        3.3.2 朴素贝叶斯算法第34-35页
        3.3.3 逻辑回归第35页
    3.4 本章小结第35-36页
第四章 垃圾评论检测系统的设计与实现第36-50页
    4.1 需求分析第36页
        4.1.1 运行环境第36页
        4.1.2 系统内部接口第36页
        4.1.3 系统功能需求第36页
    4.2 系统设计第36-37页
        4.2.1 系统总体架构设计第36-37页
        4.2.2 系统各功能模块设计第37页
    4.3 评论收集模块的实现第37-45页
        4.3.1 评论数据收集功能的实现第37-41页
        4.3.2 评论数据存储功能的实现第41-43页
        4.3.3 检测结果显示功能的实现第43-45页
    4.4 评论识别模块的实现第45-50页
        4.4.1 评论识别部分文件I/O方法第45-46页
        4.4.2 抽取评论属性方法的实现第46-48页
        4.4.3 分类算法的使用第48-50页
第五章 实验结果与分析第50-54页
    5.1 准备工作及实验过程第50-51页
        5.1.1 样本集收集流程第50页
        5.1.2 垃圾评论检测指标第50-51页
        5.1.3 实验过程第51页
    5.2 垃圾评论检测结果第51-52页
    5.3 实验结果分析第52-53页
    5.4 本章小结第53-54页
第六章 总结与展望第54-56页
    6.1 论文总结第54页
    6.2 展望第54-56页
参考文献第56-58页
致谢第58-59页
企业实习工作第59-60页
作者简历第60页

论文共60页,点击 下载论文
上一篇:非利息收入对银行绩效影响研究
下一篇:群体冠层结构对棉花光合特性及产量性状的效应研究