农产品消费者满意度影响因素研究--以京东稻米评论为例
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-19页 |
| 1.1 研究背景及问题提出 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 问题提出 | 第12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.2.1 研究目的 | 第12-13页 |
| 1.2.2 研究意义 | 第13页 |
| 1.3 国内外研究现状与述评 | 第13-17页 |
| 1.3.1 评论挖掘的满意度国内外研究现状 | 第13-14页 |
| 1.3.2 评论文本情感分析国内外研究现状 | 第14-15页 |
| 1.3.3 评价单元抽取国内外研究现状 | 第15-16页 |
| 1.3.4 文献述评 | 第16-17页 |
| 1.4 研究内容、方法及技术路线 | 第17-19页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 研究方法 | 第17页 |
| 1.4.3 技术路线 | 第17-19页 |
| 2 相关理论与技术基础 | 第19-27页 |
| 2.1 消费者满意度理论 | 第19-22页 |
| 2.1.1 消费者满意度概念 | 第19-20页 |
| 2.1.2 消费者满意度指数模型 | 第20-22页 |
| 2.2 文本情感分析理论 | 第22-23页 |
| 2.2.1 基于情感词典的情感分析 | 第22页 |
| 2.2.2 基于机器学习的情感分析 | 第22-23页 |
| 2.2.3 基于语义分析的情感分析 | 第23页 |
| 2.3 LTP自然语言处理技术 | 第23-25页 |
| 2.4 评价单元理论 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 满意度框架下稻米评论的情感分析 | 第27-38页 |
| 3.1 基础情感词典构建 | 第27-30页 |
| 3.1.1 PMI算法 | 第28-29页 |
| 3.1.2 拉普拉斯平滑算法 | 第29-30页 |
| 3.2 特征及情感评价单元抽取 | 第30-35页 |
| 3.2.1 抽取方法分析 | 第30-33页 |
| 3.2.2 评价单元抽取规则 | 第33-35页 |
| 3.3 影响满意度的评价单元情感值计算 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 消费者满意度指数模型构建 | 第38-43页 |
| 4.1 CCSI模型改进 | 第38-39页 |
| 4.2 研究假设的提出 | 第39-40页 |
| 4.3 满意度指数模型构建 | 第40-41页 |
| 4.4 模型变量的特征匹配 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 5 情感挖掘的满意度影响因素研究 | 第43-61页 |
| 5.1 数据采集及预处理 | 第43-47页 |
| 5.1.1 数据采集 | 第43-45页 |
| 5.1.2 数据清洗 | 第45-46页 |
| 5.1.3 数据分词 | 第46-47页 |
| 5.2 基础情感词典及特征词表构建 | 第47-52页 |
| 5.2.1 基础情感词典构建 | 第47-49页 |
| 5.2.2 特征词表构建 | 第49-52页 |
| 5.3 评价单元抽取及情感值计算 | 第52-54页 |
| 5.3.1 评价单元抽取 | 第52-53页 |
| 5.3.2 情感值计算 | 第53-54页 |
| 5.4 模型数据描述与标准化 | 第54-57页 |
| 5.5 回归结果分析 | 第57-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 结论与研究展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 研究展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77页 |
