| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容及成果 | 第10-12页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 关键问题 | 第11页 |
| 1.2.3 创新点 | 第11-12页 |
| 1.3 论文的结构 | 第12-14页 |
| 第二章 个性化推荐相关技术 | 第14-18页 |
| 2.1 个性化推荐技术概述 | 第14-15页 |
| 2.2 个性化推荐算法 | 第15-17页 |
| 2.2.1 基于内容的推荐 | 第15-16页 |
| 2.2.2 协同过滤推荐 | 第16页 |
| 2.2.3 混合推荐 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于共现与词向量的评论文本的评价特征识别 | 第18-34页 |
| 3.1 相关工作 | 第18-20页 |
| 3.2 词典构建 | 第20-21页 |
| 3.3 显式特征识别 | 第21-23页 |
| 3.3.1 基于词典的显式特征识别 | 第21页 |
| 3.3.2 基于共现关系的多特征识别 | 第21-23页 |
| 3.4 基于词向量的隐式特征识别 | 第23-30页 |
| 3.4.1 word2vec词向量模型 | 第24-25页 |
| 3.4.2 改进的词向量模型 | 第25-27页 |
| 3.4.3 基于CBOW模型的隐式特征识别方法 | 第27-29页 |
| 3.4.4 基于具体语境因素的隐式特征识别修正方法 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-33页 |
| 3.5.1 实验语料 | 第30页 |
| 3.5.2 显式特征的识别结果及分析 | 第30-31页 |
| 3.5.3 隐式特征识别结果及分析 | 第31-32页 |
| 3.5.4 评价特征识别结果展示 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于句法规则的评论文本细粒度的情感分析 | 第34-46页 |
| 4.1 相关工作 | 第34-35页 |
| 4.2 非观点句的识别 | 第35-36页 |
| 4.3 基于动态情感词和特殊修饰词的情感分析方法 | 第36-45页 |
| 4.3.1 基础词典和词对列表构建 | 第36-40页 |
| 4.3.2 基于词性与句法关系的分句级情感计算 | 第40-42页 |
| 4.3.3 基于动态情感词与特殊修饰词的情感分析结果修正方法 | 第42-43页 |
| 4.3.4 实验结果和分析 | 第43-44页 |
| 4.3.5 情感分析结果展示 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于K-means与D-S证据理论的个性化推荐方法 | 第46-66页 |
| 5.1 评价特征的细粒度聚类方法 | 第46-58页 |
| 5.1.1 相关工作 | 第46-47页 |
| 5.1.2 K-Means聚类算法 | 第47页 |
| 5.1.3 K-Means算法的改进 | 第47-52页 |
| 5.1.4 实验结果与分析 | 第52-58页 |
| 5.2 基于D-S证据理论的情感结果融合方法 | 第58-62页 |
| 5.2.1 D-S证据理论 | 第58-60页 |
| 5.2.2 基于增加识别框架的D-S证据融合改进方法 | 第60-62页 |
| 5.3 基于产品细粒度特征的个性化推荐 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 6.1 研究工作总结 | 第66页 |
| 6.2 未来工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
