| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 国内外研究综述 | 第13-17页 |
| 1.3.1 情感文本分析技术研究综述 | 第13-15页 |
| 1.3.2 支持向量机研究综述 | 第15-17页 |
| 1.3.3 团购店铺分类研究综述 | 第17页 |
| 1.4 本文的结构与内容 | 第17-19页 |
| 1.4.1 研究框架 | 第17-19页 |
| 1.4.2 研究内容 | 第19页 |
| 1.5 论文创新之处 | 第19-21页 |
| 第2章 相关理论基础综述 | 第21-32页 |
| 2.1 团购店铺聚类相关概念 | 第21-22页 |
| 2.1.1 店铺聚类概念 | 第21页 |
| 2.1.2 聚类相关技术 | 第21-22页 |
| 2.2 K-means聚类模型研究 | 第22-23页 |
| 2.3 情感文本分类研究 | 第23-26页 |
| 2.3.1 情感文本预处理 | 第23-26页 |
| 2.3.2 情感文本分类技术研究 | 第26页 |
| 2.4 支持向量机算法 | 第26-32页 |
| 2.4.1 线性可分支持向量机 | 第27-28页 |
| 2.4.2 线性不可分支持向量机 | 第28-29页 |
| 2.4.3 非线性可分支持向量机 | 第29-31页 |
| 2.4.4 支持向量机预测理论 | 第31-32页 |
| 第3章 店铺评价文本情感倾向分析 | 第32-44页 |
| 3.1 店铺评价文本情感倾向分析框架 | 第32-33页 |
| 3.2 评价文本数据来源与预处理 | 第33-34页 |
| 3.2.1 文本数据来源 | 第33页 |
| 3.2.2 文本数据预处理 | 第33-34页 |
| 3.3 基于支持向量机的评价文本情感分析 | 第34-35页 |
| 3.3.1 基于支持向量机的文本情感分析框架 | 第34-35页 |
| 3.3.2 基于支持向量机的文本情感分类器构建 | 第35页 |
| 3.4 基于情感词典技术的评价文本情感分析 | 第35-43页 |
| 3.4.1 团购餐饮领域情感词典构建 | 第36-40页 |
| 3.4.2 情感倾向值计算逻辑分析 | 第40-41页 |
| 3.4.3 基于情感词典的文本情感分类器构建 | 第41-43页 |
| 3.5 分类器评估 | 第43-44页 |
| 第4章 基于情感倾向与销量的团购店铺聚类模型构建 | 第44-49页 |
| 4.1 模型设计思路 | 第44-46页 |
| 4.1.1 团购客户评分系统缺陷分析 | 第44页 |
| 4.1.2 基于评价情感倾向值改进美团客户评分系统 | 第44-45页 |
| 4.1.3 改进后的客户情感倾向与销量的店铺聚类框 | 第45-46页 |
| 4.2 团购店铺聚类模型构建 | 第46-48页 |
| 4.3 店铺聚类模型性能评估分析 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 实证案例分析 | 第49-61页 |
| 5.1 美团餐饮店铺评价数据收集及预处理 | 第49-50页 |
| 5.2 美团餐饮店铺评价文本情感倾向分析 | 第50-53页 |
| 5.2.1 基于支持向量机的美团店铺情感倾向系统实现 | 第50-51页 |
| 5.2.2 基于情感词典的评价情感倾向系统实现 | 第51-52页 |
| 5.2.3 分类器性能对比分析 | 第52-53页 |
| 5.3 基于K-means聚类模型的美团餐饮店铺分类 | 第53-55页 |
| 5.3.1 美团餐饮领域店铺聚类系统实现 | 第53-54页 |
| 5.3.2 K-means算法聚类效果评估 | 第54-55页 |
| 5.4 美团餐饮店铺细分群体特征分析 | 第55-57页 |
| 5.5 美团餐饮店铺的营销策略分析 | 第57-60页 |
| 5.5.1 产品服务策略 | 第57-58页 |
| 5.5.2 促销策略 | 第58-59页 |
| 5.5.3 品牌策略 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 论文总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间取得的科研成果 | 第67页 |
