基于网络评论挖掘的商品综合评分模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第11-16页 |
| 1.1. 研究背景和问题提出 | 第11-13页 |
| 1.1.1. 研究背景 | 第11-12页 |
| 1.1.2. 研究问题 | 第12-13页 |
| 1.1.3. 研究意义 | 第13页 |
| 1.2. 研究创新 | 第13-14页 |
| 1.3. 研究的主要内容和技术路线 | 第14-16页 |
| 1.3.1. 研究的主要内容 | 第14-15页 |
| 1.3.2. 技术路线 | 第15-16页 |
| 2. 国内外相关研究 | 第16-34页 |
| 2.1. 网络产品评论挖掘的研究现状 | 第16-20页 |
| 2.1.1. 产品特征挖掘研究现状 | 第16-17页 |
| 2.1.2. 观点词提取研究现状 | 第17-19页 |
| 2.1.3. 情感分析研究现状 | 第19-20页 |
| 2.2. 垃圾评论识别研究现状 | 第20-22页 |
| 2.2.1. 垃圾评论定义相关研究 | 第21页 |
| 2.2.2. 垃圾评论识别相关研究 | 第21-22页 |
| 2.3. 相关技术分析 | 第22-33页 |
| 2.3.1. 分词系统 | 第22-25页 |
| 2.3.2. 关联规则 | 第25-29页 |
| 2.3.3. KNN算法 | 第29页 |
| 2.3.4. 相关词典 | 第29-33页 |
| 2.4. 本章小结 | 第33-34页 |
| 3. 评论内容的情感分析 | 第34-46页 |
| 3.1. 产品特征词提取 | 第34-37页 |
| 3.1.1. 评论预处理 | 第34-36页 |
| 3.1.2. 基于Apriori算法的特征词提取 | 第36页 |
| 3.1.3. 剪枝方法 | 第36-37页 |
| 3.2. 极性词词典构建 | 第37-40页 |
| 3.2.1. 基础极性词词典构建 | 第37-39页 |
| 3.2.2. 极性词的情感强度分析 | 第39-40页 |
| 3.3. 评论内容的情感量化 | 第40-45页 |
| 3.3.1. 基于隶属度的特征观点词对提取 | 第40-41页 |
| 3.3.2. 程度副词和否定词的分析 | 第41-43页 |
| 3.3.3. 评论内容的情感值计算 | 第43-45页 |
| 3.4. 本章小结 | 第45-46页 |
| 4. 垃圾评论识别 | 第46-50页 |
| 4.1. 垃圾评论识别方法的提出 | 第46-47页 |
| 4.2. 特征提取 | 第47-49页 |
| 4.2.1. 评论者行为特征提取 | 第47-48页 |
| 4.2.2. 评论内容特征提取 | 第48-49页 |
| 4.3. 基于KNN方法识别垃圾评论 | 第49页 |
| 4.4. 本章小结 | 第49-50页 |
| 5. 商品综合评分模型构建及实验分析 | 第50-59页 |
| 5.1. 综合评分模型构建 | 第50-52页 |
| 5.1.1. 模型影响因素分析 | 第50-51页 |
| 5.1.2. 模型构建 | 第51-52页 |
| 5.2. 实验介绍 | 第52-54页 |
| 5.2.1. 实验环境 | 第52页 |
| 5.2.2. 实验数据 | 第52页 |
| 5.2.3. 实验的评价指标 | 第52-54页 |
| 5.3. 实验结果及分析 | 第54-58页 |
| 5.3.1. 产品特征提取的实验及结果分析 | 第54页 |
| 5.3.2. 特征-观点词对提取的实验及结果分析 | 第54-55页 |
| 5.3.3. 评论内容情感分析实验及结果分析 | 第55-56页 |
| 5.3.4. 垃圾评论识别的实验及结果分析 | 第56页 |
| 5.3.5. 综合评分模型的实验及结果分析 | 第56-58页 |
| 5.4. 本章小结 | 第58-59页 |
| 6. 结论与展望 | 第59-61页 |
| 6.1. 结论 | 第59-60页 |
| 6.2. 研究展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
