| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 协同过滤 | 第11-12页 |
| 1.2.2 评论文本分析 | 第12页 |
| 1.2.3 结合评论的推荐方法 | 第12-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第二章 相关理论综述 | 第15-24页 |
| 2.1 协同过滤推荐综述 | 第15-21页 |
| 2.1.1 问题定义 | 第15-16页 |
| 2.1.2 基于领域方法 | 第16-19页 |
| 2.1.3 基于模型方法 | 第19-21页 |
| 2.2 评论分析方法综述 | 第21-23页 |
| 2.2.1 方面发现方法 | 第21-22页 |
| 2.2.2 情感分析方法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于文档向量和回归模型的评分预测框架 | 第24-35页 |
| 3.1 预备知识 | 第24-25页 |
| 3.1.1 问题描述 | 第24-25页 |
| 3.1.2 记号描述 | 第25页 |
| 3.2 方法概述 | 第25-26页 |
| 3.3 特征构建 | 第26-29页 |
| 3.3.1 文档向量表示模型 | 第26-28页 |
| 3.3.2 特征实例 | 第28-29页 |
| 3.4 回归模型 | 第29-32页 |
| 3.4.1 k近邻 | 第30页 |
| 3.4.2 随机森林 | 第30-31页 |
| 3.4.3 梯度提升回归树 | 第31-32页 |
| 3.5 评分预测框架构建 | 第32-34页 |
| 3.5.1 冷启动预测器 | 第32-33页 |
| 3.5.2 评分预测框架构建算法 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 评分即情感模型 | 第35-44页 |
| 4.1 模型动机 | 第35-36页 |
| 4.2 模型描述 | 第36-42页 |
| 4.2.1 记号描述 | 第36-37页 |
| 4.2.2 隐藏因子作为主题模型 | 第37-38页 |
| 4.2.3 方面与情感统一模型 | 第38-39页 |
| 4.2.4 评分即情感模型 | 第39-42页 |
| 4.3 模型学习 | 第42-43页 |
| 4.3.1 优化算法 | 第42-43页 |
| 4.3.2 时空复杂度分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 实验分析 | 第44-53页 |
| 5.1 实验准备 | 第44-47页 |
| 5.1.1 数据集 | 第44页 |
| 5.1.2 数据预处理 | 第44-45页 |
| 5.1.3 基准方法 | 第45-46页 |
| 5.1.4 模型评价标准 | 第46页 |
| 5.1.5 实验设置 | 第46-47页 |
| 5.2 实验结果与分析 | 第47-51页 |
| 5.2.1 基于文档向量和回归模型的评分预测框架的实验验证与分析 | 第47-49页 |
| 5.2.2 评分即情感模型的实验验证与分析 | 第49-51页 |
| 5.3 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 未来展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62-63页 |
| 详细摘要 | 第63-65页 |