基于特征提取和情感分析的用户需求挖掘研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第11-18页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11页 |
1.1.2 问题提出 | 第11-12页 |
1.1.3 研究意义 | 第12-13页 |
1.2 研究内容、思路与方法 | 第13-16页 |
1.2.1 研究内容 | 第13-14页 |
1.2.2 研究方法 | 第14-15页 |
1.2.3 研究思路 | 第15-16页 |
1.3 论文章节安排 | 第16-17页 |
1.4 本章小结 | 第17-18页 |
2 文献综述 | 第18-28页 |
2.1 有用性分析研究现状 | 第18-21页 |
2.1.1 用户视角的在线评论有用性研究现状 | 第18-20页 |
2.1.2 产品视角的在线评论有用性研究现状 | 第20-21页 |
2.2 特征提取研究现状 | 第21-23页 |
2.2.1 显式特征提取研究现状 | 第21-22页 |
2.2.2 隐式特征提取研究现状 | 第22-23页 |
2.3 情感分析研究现状 | 第23-24页 |
2.4 用户需求研究现状 | 第24-26页 |
2.4.1 用户需求研究现状 | 第24-25页 |
2.4.2 基于在线评论的用户需求研究现状 | 第25-26页 |
2.5 本章小结 | 第26-28页 |
3 理论基础与研究框架 | 第28-39页 |
3.1 有用性分类算法 | 第28-31页 |
3.1.1 决策树算法 | 第28-30页 |
3.1.2 随机森林算法 | 第30-31页 |
3.2 相似度计算算法 | 第31-35页 |
3.2.1 词语相似度计算 | 第32-34页 |
3.2.2 语句相似度计算 | 第34-35页 |
3.3 KANO模型 | 第35-37页 |
3.4 基于文本挖掘的用户需求研究框架 | 第37-38页 |
3.5 本章小结 | 第38-39页 |
4 用户需求挖掘与分类模型 | 第39-54页 |
4.1 词库构建 | 第39-41页 |
4.1.1 特征词库构建 | 第39-41页 |
4.1.2 情感词库构建 | 第41页 |
4.2 在线评论有用性分类 | 第41-46页 |
4.2.1 有用性评论的定义 | 第41-42页 |
4.2.2 特征变量的选择与获取 | 第42-43页 |
4.2.3 有用性分类模型选择 | 第43-44页 |
4.2.4 有用性分类模型优化 | 第44-46页 |
4.3 用户需求挖掘 | 第46-53页 |
4.3.1 句子分类 | 第46页 |
4.3.2 情感-特征规则库构建 | 第46-48页 |
4.3.3 句子相似度计算 | 第48-49页 |
4.3.4 特征-情感词对提取 | 第49-50页 |
4.3.5 情感分析与需求挖掘 | 第50-53页 |
4.4 本章小结 | 第53-54页 |
5 实证研究-基于用户评论的需求挖掘与分类 | 第54-83页 |
5.1 实验环境与数据准备 | 第54-56页 |
5.1.1 实验环境 | 第54页 |
5.1.2 数据来源 | 第54-55页 |
5.1.3 实验设置 | 第55-56页 |
5.1.4 数据预处理 | 第56页 |
5.2 实验一:电子购物平台评论数据 | 第56-68页 |
5.2.1 有用性分类 | 第57-58页 |
5.2.2 特征-情感词对提取 | 第58-60页 |
5.2.3 用户需求挖掘与分析 | 第60-66页 |
5.2.4 用户需求分类与优先级 | 第66-68页 |
5.3 实验二:产品社区评论数据 | 第68-79页 |
5.3.1 有用性分类 | 第68-69页 |
5.3.2 特征-情感词对提取 | 第69-70页 |
5.3.3 用户需求挖掘与分析 | 第70-78页 |
5.3.4 用户需求分类与优先级 | 第78-79页 |
5.4 实验总结与对比分析 | 第79-82页 |
5.4.1 隐式特征/情感分析的作用 | 第79-80页 |
5.4.2 用户关注点的对比分析 | 第80-81页 |
5.4.3 用户满意度差异分析 | 第81-82页 |
5.5 本章小结 | 第82-83页 |
6 总结与展望 | 第83-86页 |
6.1 研究总结 | 第83-84页 |
6.1.1 研究成果 | 第83-84页 |
6.1.2 研究意义 | 第84页 |
6.2 不足与展望 | 第84-86页 |
参考文献 | 第86-91页 |
攻读学位期间学术成果 | 第91-92页 |
致谢 | 第92页 |