基于APP评论的观点挖掘和排序
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 研究背景和存在问题 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 当前存在的问题 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 垃圾评论识别 | 第14-16页 |
| 1.2.2 观点挖掘 | 第16-18页 |
| 1.2.3 评论排序 | 第18-19页 |
| 1.3 本文的主要贡献 | 第19-21页 |
| 1.4 本文的组织结构 | 第21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 相关研究技术概述 | 第22-34页 |
| 2.1 垃圾评论识别技术概述 | 第22-25页 |
| 2.1.1 垃圾评论识别特征 | 第22-23页 |
| 2.1.2 垃圾评论识别方法 | 第23-25页 |
| 2.2 观点挖掘技术概述 | 第25-27页 |
| 2.2.1 特征提取 | 第25-26页 |
| 2.2.2 情感分析 | 第26-27页 |
| 2.3 评论排序技术概述 | 第27-29页 |
| 2.3.1 评论排序回归方法 | 第27-28页 |
| 2.3.2 其他评论排序方法 | 第28-29页 |
| 2.4 K-Means聚类方法 | 第29-30页 |
| 2.5 Word2Vec词向量 | 第30-31页 |
| 2.6 分类评价标准 | 第31-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 基于APP评论数据的观点挖掘 | 第34-57页 |
| 3.1 APP评论数据特点分析 | 第34-37页 |
| 3.1.1 APP评论数据基本信息 | 第35页 |
| 3.1.2 APP评论汇总统计 | 第35-37页 |
| 3.2 数据预处理 | 第37-47页 |
| 3.2.1 中文分词和词性标注 | 第38-43页 |
| 3.2.2 分句 | 第43页 |
| 3.2.3 垃圾评论识别 | 第43-47页 |
| 3.3 基于语义聚类的观点挖掘算法 | 第47-52页 |
| 3.3.1 观点提取 | 第47-50页 |
| 3.3.2 观点识别 | 第50-51页 |
| 3.3.3 情感分析 | 第51页 |
| 3.3.4 观点摘要 | 第51-52页 |
| 3.4 实验与分析 | 第52-56页 |
| 3.4.1 实验数据集 | 第52页 |
| 3.4.2 评价标准 | 第52-53页 |
| 3.4.3 模型及参数 | 第53页 |
| 3.4.4 实验结果分析 | 第53-55页 |
| 3.4.5 观点挖掘结果示例 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 基于APP评论数据的评论排序 | 第57-68页 |
| 4.1 排序存在的问题 | 第57-58页 |
| 4.2 基于评论真实性的评论排序算法 | 第58-62页 |
| 4.2.1 基础定义 | 第58-60页 |
| 4.2.2 评论质量评估 | 第60-61页 |
| 4.2.3 有用性定义 | 第61-62页 |
| 4.2.4 评论排序流程 | 第62页 |
| 4.3 实验及结果分析 | 第62-67页 |
| 4.3.1 实验数据 | 第63页 |
| 4.3.2 模型及参数 | 第63-64页 |
| 4.3.3 评价指标 | 第64页 |
| 4.3.4 实验结果分析 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 总结和展望 | 第68-70页 |
| 5.1 主要工作总结 | 第68页 |
| 5.2 未来工作展望 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间主要的研究成果 | 第77-78页 |
| 致谢 | 第78页 |
