面向评论数据的可视分析方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第20-28页 |
| 1.1 研究背景 | 第20-22页 |
| 1.2 研究现状 | 第22-25页 |
| 1.2.1 基于词汇的文本可视分析 | 第23-24页 |
| 1.2.2 基于情感的文本可视分析 | 第24页 |
| 1.2.3 基于时空的文本可视分析 | 第24-25页 |
| 1.3 本文工作及章节安排 | 第25-28页 |
| 第2章 相关工作 | 第28-50页 |
| 2.1 文本分析 | 第28-34页 |
| 2.1.1 关键词提取 | 第28-30页 |
| 2.1.2 方面提取 | 第30-31页 |
| 2.1.3 情感分析 | 第31-34页 |
| 2.2 文本可视化 | 第34-46页 |
| 2.2.1 基于词汇的文本可视化 | 第35-38页 |
| 2.2.2 基于情感的文本可视化 | 第38-44页 |
| 2.2.3 基于时空的文本可视化 | 第44-46页 |
| 2.3 时空数据可视分析 | 第46-48页 |
| 2.4 本章小结 | 第48-50页 |
| 第3章 基于词向量的语义词云生成方法 | 第50-66页 |
| 3.1 简介 | 第50-52页 |
| 3.2 语义词云 | 第52-59页 |
| 3.2.1 单词语义表示 | 第53-54页 |
| 3.2.2 单词相似图构建 | 第54-56页 |
| 3.2.3 力导引单词布局 | 第56-57页 |
| 3.2.4 词云可视化 | 第57-59页 |
| 3.3 结果与讨论 | 第59-64页 |
| 3.3.1 不同词向量集 | 第59-61页 |
| 3.3.2 不同相似度阈值 | 第61-62页 |
| 3.3.3 应用案例 | 第62-63页 |
| 3.3.4 比较 | 第63-64页 |
| 3.4 本章小结 | 第64-66页 |
| 第4章 基于情感分歧的方面探索评论争议 | 第66-87页 |
| 4.1 简介 | 第66-68页 |
| 4.2 系统概览 | 第68-69页 |
| 4.3 数据分析 | 第69-73页 |
| 4.3.1 争议量化 | 第69-70页 |
| 4.3.2 方面提取 | 第70-73页 |
| 4.3.3 情感估计 | 第73页 |
| 4.4 可视化设计 | 第73-77页 |
| 4.4.1 争议演化趋势刻画 | 第74页 |
| 4.4.2 方面展示 | 第74-75页 |
| 4.4.3 情感分歧可视化 | 第75-76页 |
| 4.4.4 交互 | 第76-77页 |
| 4.5 评估 | 第77-86页 |
| 4.5.1 方面提取方法评估 | 第77-78页 |
| 4.5.2 应用案例 | 第78-83页 |
| 4.5.3 用户调研 | 第83-86页 |
| 4.6 本章小结 | 第86-87页 |
| 第5章 基于时空的评论数据探索城市特征 | 第87-102页 |
| 5.1 简介 | 第87-89页 |
| 5.2 系统概览 | 第89-90页 |
| 5.3 数据分析 | 第90-92页 |
| 5.3.1 相似单词提取 | 第90-91页 |
| 5.3.2 情感分析 | 第91-92页 |
| 5.3.3 统计分析 | 第92页 |
| 5.4 可视化设计 | 第92-96页 |
| 5.4.1 方面视图 | 第93-94页 |
| 5.4.2 地理视图 | 第94-95页 |
| 5.4.3 趋势视图 | 第95页 |
| 5.4.4 评论-商家视图 | 第95页 |
| 5.4.5 交互 | 第95-96页 |
| 5.5 应用案例 | 第96-101页 |
| 5.5.1 文化趋势发现 | 第96-98页 |
| 5.5.2 位置挖掘 | 第98-100页 |
| 5.5.3 决策制定 | 第100-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第6章 总结与展望 | 第102-105页 |
| 6.1 本文工作总结 | 第102-103页 |
| 6.2 未来工作展望 | 第103-105页 |
| 参考文献 | 第105-121页 |
| 作者简历 | 第121-123页 |
| 攻读博士学位期间主要的研究成果 | 第123-124页 |
| 致谢 | 第124-125页 |
