基于用户评论信息的商品推荐技术
| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·论文的研究背景和选题意义 | 第9-10页 |
| ·论文的研究内容及主要问题 | 第10-13页 |
| ·Web 信息抽取技术 | 第10-12页 |
| ·Web 页面推荐技术 | 第12-13页 |
| ·本文提出的主要技术 | 第13-14页 |
| ·论文的结构 | 第14-15页 |
| 2 Web 挖掘技术 | 第15-27页 |
| ·Web 挖掘概述 | 第15-16页 |
| ·Web 挖掘定义 | 第15页 |
| ·Web 挖掘分类 | 第15-16页 |
| ·Web 内容挖掘 | 第16-19页 |
| ·Web 结构挖掘 | 第19-23页 |
| ·PageRank 算法 | 第19-21页 |
| ·HITS 算法 | 第21-23页 |
| ·Web 使用挖掘 | 第23页 |
| ·Web 挖掘中存在的问题及发展趋势 | 第23-25页 |
| ·当前Web 挖掘中存的问题 | 第23-24页 |
| ·Web 挖掘技术发展趋势 | 第24-25页 |
| ·本章小节 | 第25-27页 |
| 3 基于页面分块与信息熵的评论抽取技术 | 第27-41页 |
| ·引言 | 第27页 |
| ·相关工作 | 第27-29页 |
| ·关联规则挖掘 | 第27-28页 |
| ·语义块分割 | 第28-29页 |
| ·信息熵理论 | 第29页 |
| ·评论信息抽取算法 | 第29-35页 |
| ·语义块分割 | 第30页 |
| ·计算各块的熵值 | 第30-35页 |
| ·抽取各块中的特征词 | 第31-32页 |
| ·内容块的熵值计算 | 第32-35页 |
| ·实验结果分析 | 第35-39页 |
| ·H(CB)阀值验证实验 | 第36-37页 |
| ·算法有效性验证实验 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 4 基于WordNet 的情感分类技术 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·相关工作 | 第42页 |
| ·分类算法 | 第42页 |
| ·情感分类 | 第42页 |
| ·评论词的情感分类 | 第42-45页 |
| ·评论句的情感分类 | 第45-47页 |
| ·实验结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于用户评论信息的产品页面排名技术 | 第49-61页 |
| ·引言 | 第49页 |
| ·相关工作 | 第49-53页 |
| ·传统IR 的相关排名技术 | 第50-52页 |
| ·GOOGLE 搜索推荐算法 | 第52-53页 |
| ·基于用户信息的产品页面推荐算法 | 第53-55页 |
| ·系统构架 | 第55-58页 |
| ·实验结果分析 | 第58-59页 |
| ·实验数据集 | 第58-59页 |
| ·实验结果及用户评价 | 第59页 |
| ·本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| ·本文工作总结 | 第61页 |
| ·未来工作展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间已发表论文及参加科研项目 | 第69-71页 |
| 致谢 | 第71页 |
