| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 热门推荐与个性化推荐 | 第9-10页 |
| 1.1.2 情感分析 | 第10-12页 |
| 1.2 国内外发展状况 | 第12-15页 |
| 1.2.1 情感分析发展现状 | 第12-14页 |
| 1.2.2 电影推荐系统发展现状 | 第14-15页 |
| 1.3 主要工作及论文组织结构 | 第15-17页 |
| 第二章 系统相关工作 | 第17-26页 |
| 2.1 系统相关技术 | 第17页 |
| 2.2 情感分析的方法 | 第17-20页 |
| 2.2.1 基于词典的情感分析 | 第17-18页 |
| 2.2.2 基于语义的情感分析 | 第18-19页 |
| 2.2.3 基于机器学习的情感分析方法 | 第19-20页 |
| 2.3 推荐系统相关算法 | 第20-25页 |
| 2.3.1 基于协同过滤的推荐算法 | 第20-23页 |
| 2.3.2 基于内容的推荐算法 | 第23-24页 |
| 2.3.3 基于关联规则的推荐算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 一种融合情感词频和主题拓展的情感分析方法的设计与分析 | 第26-43页 |
| 3.1 分类算法 | 第26-30页 |
| 3.1.1 空间向量模型 | 第26-27页 |
| 3.1.2 主题模型 | 第27-29页 |
| 3.1.3 SVM算法 | 第29-30页 |
| 3.2 算法介绍 | 第30-40页 |
| 3.2.1 前期工作 | 第30-32页 |
| 3.2.2 算法模型介绍 | 第32-35页 |
| 3.2.3 数据集与实验参考指标 | 第35-36页 |
| 3.2.4 实验验证 | 第36-40页 |
| 3.3 算法在系统中示例 | 第40-42页 |
| 3.3.1 数据集 | 第40页 |
| 3.3.2 实验验证与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 系统分析与实现 | 第43-58页 |
| 4.1 系统架构设计 | 第43-44页 |
| 4.2 系统功能设计 | 第44-45页 |
| 4.3 系统核心模块设计 | 第45-46页 |
| 4.4 系统实现 | 第46-57页 |
| 4.4.1 热门评论 | 第46-47页 |
| 4.4.2 热门推荐 | 第47-50页 |
| 4.4.3 基于内容的个性化推荐 | 第50-54页 |
| 4.4.4 搜索模块实现 | 第54-55页 |
| 4.4.5 运营模块实现 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录A 图索引 | 第64-65页 |
| Appendix A Figure Index | 第65-66页 |
| 附录B 表格索引 | 第66-67页 |
| Appendix B Table Index | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间主持或参与的科研项目 | 第69页 |