| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景和目的 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 相关理论和技术 | 第18-24页 |
| 2.1 分类技术 | 第18-19页 |
| 2.1.1 BoW | 第18页 |
| 2.1.2 TF-IDF | 第18-19页 |
| 2.1.3 chi~2 | 第19页 |
| 2.2 词向量Word2Vec | 第19页 |
| 2.3 监督式机器学习 | 第19-20页 |
| 2.4 移动应用的用户评论研究 | 第20-23页 |
| 2.4.1 用户评论有用性分析 | 第20-21页 |
| 2.4.2 用户评论概要 | 第21页 |
| 2.4.3 用户评论特征识别 | 第21-22页 |
| 2.4.4 用户评论分类 | 第22-23页 |
| 2.4.5 用户评论情感分析 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 用户评论类型与分类方法 | 第24-31页 |
| 3.1 用户评论的类型 | 第24-25页 |
| 3.2 分类技术在用户评论分类中的作用 | 第25-27页 |
| 3.2.1 BoW在用户评论分类中的作用 | 第25-26页 |
| 3.2.2 TF-IDF在用户评论分类中的作用 | 第26页 |
| 3.2.3 chi~2在用户评论分类中的作用 | 第26-27页 |
| 3.3 基于词向量Word2Vec增强用户评论 | 第27-29页 |
| 3.4 用户评论分类方法 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 用户评论自动分类工具 | 第31-48页 |
| 4.1 用户评论中非功能需求分类工具NFRfRe | 第32页 |
| 4.2 用户评论收集 | 第32-34页 |
| 4.3 用户评论分类模型的详细设计 | 第34-42页 |
| 4.3.1 用户评论预处理 | 第34-37页 |
| 4.3.2 用户评论特征化 | 第37-42页 |
| 4.3.3 训练分类模型 | 第42页 |
| 4.4 NFRfRe工具的参数确定 | 第42-46页 |
| 4.4.1 chi~2中δ的确定 | 第42-44页 |
| 4.4.2 AUR-BoW中θ的确定 | 第44-46页 |
| 4.5 使用NFRfRe工具标记的过程 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 实验案例 | 第48-58页 |
| 5.1 案例介绍 | 第48-50页 |
| 5.2 实验数据构建及分类方法性能评价 | 第50页 |
| 5.2.1 实验数据采集 | 第50页 |
| 5.2.2 用户评论中非功能需求分类方法的性能评价 | 第50页 |
| 5.3 分类结果性能评价参数 | 第50-51页 |
| 5.4 用户评论分类结果 | 第51-57页 |
| 5.4.1 分类技术对比 | 第52-54页 |
| 5.4.2 机器学习算法对比 | 第54-56页 |
| 5.4.3 不同用户评论类别的分类结果 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 用户评论自动分类方法的适用性与局限性 | 第58-61页 |
| 6.1 用户评论中非功能需求分类方法的适用范围 | 第58页 |
| 6.2 影响非功能需求分类结果有效性的主要因素 | 第58-59页 |
| 6.3 用户评论中非功能需求分类方法的局限性 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 7 本文总结和展望 | 第61-63页 |
| 7.1 论文工作总结 | 第61页 |
| 7.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-69页 |
| 已发表论文清单 | 第69-70页 |
| 参与的科研项目 | 第70-71页 |
| 致谢 | 第71-72页 |