| 摘要 | 第4-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第25-43页 |
| 1.1 研究背景与研究意义 | 第25-30页 |
| 1.1.1 研究背景 | 第25-28页 |
| 1.1.2 研究意义 | 第28-30页 |
| 1.2 国内外研究现状 | 第30-39页 |
| 1.2.1 在线用户评论分析方法研究 | 第30-33页 |
| 1.2.2 在线用户评论有用性研究 | 第33-35页 |
| 1.2.3 在线用户评论影响作用研究 | 第35-37页 |
| 1.2.4 在线评论中时间因素作用研究 | 第37-38页 |
| 1.2.5 研究现状述评 | 第38-39页 |
| 1.3 研究内容与研究方法 | 第39-42页 |
| 1.3.1 研究内容 | 第39-41页 |
| 1.3.2 研究方法 | 第41-42页 |
| 1.4 研究技术路线 | 第42-43页 |
| 第2章 相关理论基础 | 第43-59页 |
| 2.1 在线用户评论的相关概念 | 第43-46页 |
| 2.1.1 在线用户评论 | 第43-44页 |
| 2.1.2 在线用户评论行为 | 第44-45页 |
| 2.1.3 在线用户评论时间 | 第45页 |
| 2.1.4 在线用户评论特征 | 第45-46页 |
| 2.2 知识发现的相关概念 | 第46-49页 |
| 2.2.1 知识发现的概念 | 第46-47页 |
| 2.2.2 知识发现的特征 | 第47-48页 |
| 2.2.3 知识发现的过程 | 第48-49页 |
| 2.3 知识发现分析方法 | 第49-54页 |
| 2.3.1 回归分析方法 | 第49-50页 |
| 2.3.2 关联分析方法 | 第50-51页 |
| 2.3.3 聚类分析方法 | 第51-53页 |
| 2.3.4 分类分析方法 | 第53-54页 |
| 2.4 相关理论与模型 | 第54-57页 |
| 2.4.1 时间序列模型 | 第54页 |
| 2.4.2 技术接受模型 | 第54-56页 |
| 2.4.3 幂律分布理论 | 第56页 |
| 2.4.4 模糊数学理论 | 第56-57页 |
| 2.4.5 行为动力学理论 | 第57页 |
| 2.5 本章小结 | 第57-59页 |
| 第3章 在线用户评论行为机理与时间特征研究 | 第59-79页 |
| 3.1 在线用户评论行为机理研究 | 第59-67页 |
| 3.1.1 在线用户评论生成要素提取 | 第59-61页 |
| 3.1.2 在线用户评论行为动机分析 | 第61-64页 |
| 3.1.3 在线用户评论行为路径探求 | 第64-65页 |
| 3.1.4 在线用户评论采纳行为的动力因素解析 | 第65-67页 |
| 3.1.5 在线用户评论行为机理模型构建 | 第67页 |
| 3.2 在线用户评论行为与评论时间的内在关系分析 | 第67-70页 |
| 3.2.1 基于评论者角度 | 第68页 |
| 3.2.2 基于评论阅读者角度 | 第68页 |
| 3.2.3 基于电子商务平台 | 第68-69页 |
| 3.2.4 基于销售企业与生产厂商 | 第69页 |
| 3.2.5 在线用户评论行为与评论时间的内在关系模型构建 | 第69-70页 |
| 3.3 在线用户评论行为时间特征分析 | 第70-76页 |
| 3.3.1 人类行为动力学与时间特征分析 | 第70-71页 |
| 3.3.2 在线用户评论行为时间特征分析方法 | 第71-73页 |
| 3.3.3 在线用户评论行为时间特征分析指标 | 第73-76页 |
| 3.4 在线用户评论行为时间特征关联理论模型 | 第76页 |
| 3.5 本章小结 | 第76-79页 |
| 第4章 在线用户评论行为对评论时间的影响研究 | 第79-100页 |
| 4.1 在线用户评论时间影响因素问题分析 | 第79-80页 |
| 4.2 在线用户评论行为时间特征影响因素模型 | 第80-84页 |
| 4.2.1 理论基础 | 第80-81页 |
| 4.2.2 在线用户评论行为时间特征影响因素指标分析 | 第81-82页 |
| 4.2.3 在线用户评论行为时间特征影响因素模型构建 | 第82-84页 |
| 4.3 在线用户评论时间特征因素分析 | 第84-92页 |
| 4.3.1 样本选择与数据获取 | 第84-85页 |
| 4.3.2 相关变量说明及测定 | 第85-86页 |
| 4.3.3 数据描述性统计 | 第86-91页 |
| 4.3.4 数学建模方法 | 第91-92页 |
| 4.4 在线用户评论时间特征影响分析的结果 | 第92-98页 |
| 4.4.1 数学模型构建 | 第92-93页 |
| 4.4.2 变量间相关性分析 | 第93-95页 |
| 4.4.3 回归分析结果 | 第95-98页 |
| 4.5 本章小结 | 第98-100页 |
| 第5章 基于外部数据的用户评论行为时间特征规律研究 | 第100-125页 |
| 5.1 在线用户评论外部数据时间序列关联特征问题分析 | 第100-101页 |
| 5.2 数据源选择与数据处理 | 第101-103页 |
| 5.2.1 数据来源 | 第101页 |
| 5.2.2 数据采集和处理 | 第101-102页 |
| 5.2.3 数据分析流程 | 第102-103页 |
| 5.3 在线用户评论行为时间特征规律 | 第103-119页 |
| 5.3.1 在线用户评论行为时间分布规律 | 第103-110页 |
| 5.3.2 在线用户评论时间序列区间划分 | 第110-111页 |
| 5.3.3 “购买-评论”行为时间间隔特征分析 | 第111-115页 |
| 5.3.4 “初评-追评”行为时间间隔特征分析 | 第115-119页 |
| 5.4 外部数据时间序列关联特征规律挖掘 | 第119-123页 |
| 5.4.1 会员等级分布规律 | 第119-121页 |
| 5.4.2 情感极性分布规律 | 第121-122页 |
| 5.4.3 推荐评论分布规律 | 第122-123页 |
| 5.4.4 语义深度分布规律 | 第123页 |
| 5.5 本章小结 | 第123-125页 |
| 第6章 基于评论有用性的用户评论行为时间特征规律研究 | 第125-155页 |
| 6.1 在线用户评论有用性时间序列关联特征问题分析 | 第125-126页 |
| 6.2 用户评论质量过滤模型构建 | 第126-135页 |
| 6.2.1 研究框架 | 第126-127页 |
| 6.2.2 指标提取 | 第127页 |
| 6.2.3 指标量化方法 | 第127-132页 |
| 6.2.4 指标权重计算 | 第132-133页 |
| 6.2.5 在线评论有用性排序算法 | 第133-134页 |
| 6.2.6 在线评论有用性分类方法 | 第134-135页 |
| 6.3 实例验证 | 第135-145页 |
| 6.3.1 试验模型测试 | 第135-138页 |
| 6.3.2 模型过滤效果分析 | 第138-141页 |
| 6.3.3 排序结果分类 | 第141-143页 |
| 6.3.4 有用性分类效果分析 | 第143-145页 |
| 6.4 基于评论质量的时间序列关联特征规律挖掘 | 第145-152页 |
| 6.4.1 研究设计 | 第145-147页 |
| 6.4.2 时间序列区间用户评论质量数据关联特征分析 | 第147页 |
| 6.4.3 时间序列区间优质评论高频知识元词汇统计 | 第147-150页 |
| 6.4.4 时间序列区间优质评论高频知识元词汇内容特征分析 | 第150-152页 |
| 6.5 本章小结 | 第152-155页 |
| 第7章 基于情感分析的在线用户评论行为时间特征规律研究 | 第155-181页 |
| 7.1 在线用户评论情感问题的提出 | 第155-156页 |
| 7.2 在线用户评论情感分析 | 第156-160页 |
| 7.2.1 数据采集与处理 | 第156-157页 |
| 7.2.2 情感词典构建 | 第157-160页 |
| 7.3 基于SVM多特征融合的在线评论情感分类 | 第160-164页 |
| 7.3.1 情感本体分类 | 第160-161页 |
| 7.3.2 文本特征提取 | 第161-163页 |
| 7.3.3 情感分类模型 | 第163-164页 |
| 7.4 实例验证 | 第164-168页 |
| 7.4.1 训练集情感极性标注 | 第164页 |
| 7.4.2 文本特征提取 | 第164-165页 |
| 7.4.3 实验结果及分析 | 第165-168页 |
| 7.5 评论情感时间序列关联特征规律挖掘 | 第168-180页 |
| 7.5.1 时间序列区间用户评论情感分析 | 第168-169页 |
| 7.5.2 时间序列区间评论热点情感词频共现分析 | 第169-176页 |
| 7.5.3 时间序列区间评论情感语义关联特征分析 | 第176-180页 |
| 7.6 本章小结 | 第180-181页 |
| 第8章 基于时间特征规律挖掘的管理研究 | 第181-191页 |
| 8.1 在线用户评论行为时间特征规律挖掘的管理应用 | 第181-183页 |
| 8.1.1 购买时间和评论时间特征规律的管理应用 | 第181-182页 |
| 8.1.2 “购买-评论”时间序列特征规律的管理应用 | 第182页 |
| 8.1.3 “初评-追评”时间序列特征规律的管理应用 | 第182-183页 |
| 8.2 在线用户评论行为时间特征规律挖掘的管理模型 | 第183-185页 |
| 8.2.1 外部因素管理 | 第183-184页 |
| 8.2.2 有用性因素管理 | 第184-185页 |
| 8.2.3 情感语义因素管理 | 第185页 |
| 8.3 在线用户评论时间特征规律挖掘的管理策略 | 第185-188页 |
| 8.3.1 消费者角度 | 第185-186页 |
| 8.3.2 电商平台角度 | 第186-187页 |
| 8.3.3 销售企业角度 | 第187页 |
| 8.3.4 生产厂商角度 | 第187-188页 |
| 8.4 在线用户评论时间特征规律挖掘的管理启示 | 第188-190页 |
| 8.4.1 掌握消费规律、追踪消费行为 | 第188页 |
| 8.4.2 重视评论内容、挖掘隐性知识 | 第188-189页 |
| 8.4.3 强化产品质量、提升服务水平 | 第189页 |
| 8.4.4 注重购物体验、确保顾客满意 | 第189-190页 |
| 8.5 本章小结 | 第190-191页 |
| 第9章 研究结论与展望 | 第191-197页 |
| 9.1 研究结论 | 第191-194页 |
| 9.2 研究创新点 | 第194-195页 |
| 9.3 研究局限及展望 | 第195-197页 |
| 参考文献 | 第197-209页 |
| 作者简介与研究成果 | 第209-213页 |
| 致谢 | 第213页 |
