摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-9页 |
第1章 绪论 | 第9-14页 |
1.1 研究背景 | 第9-11页 |
1.2 研究内容和目标 | 第11页 |
1.3 主要贡献 | 第11-12页 |
1.3.1 理论贡献 | 第11-12页 |
1.3.2 实践贡献 | 第12页 |
1.4 研究的创新点 | 第12页 |
1.5 本文框架 | 第12-14页 |
第2章 文献综述 | 第14-19页 |
2.1 常用的潜在客户发现方法 | 第14-15页 |
2.2 微博平台的潜在客户发现 | 第15-17页 |
2.3 文本分类技术研究 | 第17-19页 |
第3章 文本分类方法 | 第19-27页 |
3.1 基本概念 | 第19-20页 |
3.2 文本分类简介 | 第20-21页 |
3.3 常用的文本分类方法 | 第21-24页 |
3.3.1 K 最近邻分类 | 第21-22页 |
3.3.2 朴素贝叶斯分类 | 第22-23页 |
3.3.3 Rocchio 分类和基于类别质心的分类方法 | 第23页 |
3.3.4 支持向量机 | 第23-24页 |
3.4 分类器评估指标 | 第24-25页 |
3.5 评估分类器的方法 | 第25-27页 |
3.5.1 保持方法 | 第25-26页 |
3.5.2 交叉验证法 | 第26-27页 |
第4章 基于文本分类的微博平台潜在客户挖掘框架 | 第27-35页 |
4.1 潜在客户的传统定义 | 第27-28页 |
4.2 微博平台上企业客户特性的描述 | 第28-31页 |
4.2.1 微博相关概念 | 第28页 |
4.2.2 微博平台潜在客户的定义 | 第28-30页 |
4.2.3 客户的个人与社会关系特性描述 | 第30-31页 |
4.3 研究框架与方法 | 第31-35页 |
4.3.1 客户数据获取 | 第32页 |
4.3.2 文本分类建模 | 第32-33页 |
4.3.3 识别潜在客户 | 第33-35页 |
第5章 实验设计与分析 | 第35-45页 |
5.1 分类器的参数设置 | 第35页 |
5.2 文本分类实验 | 第35-38页 |
5.2.1 样本数据 | 第36页 |
5.2.2 实验结果分析 | 第36-38页 |
5.3 微博平台潜在客户挖掘实验 | 第38-45页 |
5.3.1 样本数据 | 第38-39页 |
5.3.2 评估方法 | 第39页 |
5.3.3 实验结果分析 | 第39-45页 |
第6章 总结与展望 | 第45-48页 |
6.1 主要工作总结 | 第45-46页 |
6.2 研究展望 | 第46-48页 |
参考文献 | 第48-52页 |
致谢 | 第52-53页 |
在学期间的研究成果及发表的学术论文 | 第53-54页 |
在学期间参与的科研项目 | 第54页 |