| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.1.1 时代背景 | 第8页 |
| 1.1.2 社会背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 商品评论的挖掘 | 第9-12页 |
| 1.2.2 Opinion mining 的系统研究 | 第12-15页 |
| 1.3 本文主要工作与创新 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 垃圾评论检测技术概要 | 第17-22页 |
| 2.1 垃圾评论知识介绍 | 第17-18页 |
| 2.1.1 产品评论的特点 | 第17页 |
| 2.1.2 垃圾评论的特点 | 第17-18页 |
| 2.2 欺骗性的评论检测技术 | 第18页 |
| 2.3 其他评论信息检测技术 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于加速近端梯度法的垃圾评论检测方法 | 第22-32页 |
| 3.1 加速近端梯度法简介 | 第22-23页 |
| 3.2 基于加速近端梯度法的检测模型 | 第23-25页 |
| 3.3 实验设计 | 第25-31页 |
| 3.3.1 数据采集 | 第25-27页 |
| 3.3.2 实验方案 | 第27-30页 |
| 3.3.3 实验结果分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于文本语义的垃圾评论检测方法 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 文本相似度介绍 | 第32-34页 |
| 4.2.1 基于空间向量的余弦算法 | 第33-34页 |
| 4.3 垃圾评论系统的设计 | 第34-40页 |
| 4.3.1 总体流程 | 第34-35页 |
| 4.3.2 相关知识介绍 | 第35-36页 |
| 4.3.3 预处理评论 | 第36页 |
| 4.3.4 提取关键词 | 第36-38页 |
| 4.3.5 分析评论内容 | 第38-39页 |
| 4.3.6 根据其他特征再分析内容 | 第39-40页 |
| 4.4 朴素贝叶斯分类器 | 第40-41页 |
| 4.5 实验结果 | 第41-44页 |
| 4.5.1 实验数据 | 第41页 |
| 4.5.2 评价指标 | 第41-42页 |
| 4.5.3 实验结果 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第51-52页 |
| 附录 3 攻读硕士学位期间申请的专利 | 第52-53页 |
| 致谢 | 第53页 |