| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究方法与内容 | 第9-12页 |
| 1.2.1 研究内容 | 第9-10页 |
| 1.2.2 研究方法与研究技术路线 | 第10-12页 |
| 1.3 论文创新点 | 第12-13页 |
| 2 相关理论与文献回顾 | 第13-21页 |
| 2.1 大数据研究与评述 | 第13-15页 |
| 2.1.1 大数据定义 | 第13页 |
| 2.1.2 大数据发展及挑战 | 第13-14页 |
| 2.1.3 大数据情境下汽车评论挖掘的挑战 | 第14-15页 |
| 2.2 在线汽车评论研究与评述 | 第15-18页 |
| 2.2.1 在线评论定义 | 第15-16页 |
| 2.2.2 在线评论研究现状 | 第16-17页 |
| 2.2.3 汽车在线评论研究现状 | 第17-18页 |
| 2.3 outlier研究与评述 | 第18-21页 |
| 2.3.1 outlier定义与识别 | 第18-19页 |
| 2.3.2 outlier发展现状 | 第19-21页 |
| 3 大数据情境下汽车在线评论模型构建与outlier分析 | 第21-28页 |
| 3.1 在线汽车评论研究模型框架构建 | 第21-23页 |
| 3.2 大数据情境下在线汽车评论outlier识别分析 | 第23-24页 |
| 3.2.1 标签云分析可视化 | 第23页 |
| 3.2.2 社会网络关系分析 | 第23-24页 |
| 3.3 大数据情境下汽车在线评论outlier验证方法 | 第24-28页 |
| 3.3.1 构建词条-文档矩阵和TF-IDF | 第24-25页 |
| 3.3.2 聚类分析验证方法 | 第25-28页 |
| 4 大数据情境下汽车在线评论outlier模型验证 | 第28-39页 |
| 4.1 实验数据的选择与预处理 | 第28页 |
| 4.2 在线汽车关于整体产品评论标签云分析的异类识别 | 第28-32页 |
| 4.3 在线汽车关于整体产品评论社会网络关系分析的异类识别 | 第32-36页 |
| 4.4 汽车在线评论文档词条矩阵的实现 | 第36页 |
| 4.5 汽车在线评论聚类分析的实现及分析 | 第36-38页 |
| 4.6 本章小结 | 第38-39页 |
| 5 结论与讨论 | 第39-42页 |
| 参考文献 | 第42-50页 |
| 附录 | 第50-58页 |
| 附录Ⅰ 攻读硕士学位期间发表（录用）的论文 | 第50-51页 |
| 附录Ⅱ 攻读硕士学位期间参加的科研项目 | 第51-52页 |
| 附录Ⅲ 分析实现代码 | 第52-58页 |
| 致谢 | 第58页 |
