| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 论文主要工作及创新 | 第9-10页 |
| 1.4 论文的组织结构 | 第10-11页 |
| 第2章 相关理论研究 | 第11-21页 |
| 2.1 特征提取技术 | 第11-12页 |
| 2.2 协同过滤推荐算法 | 第12-14页 |
| 2.3 情感分析 | 第14-18页 |
| 2.3.1 基于情感词典的文本情感分析 | 第14-16页 |
| 2.3.2 基于机器学习的文本情感分析 | 第16-18页 |
| 2.4 三元闭包理论 | 第18-21页 |
| 2.4.1 三元闭包理论简介 | 第18-19页 |
| 2.4.2 三元闭包原理的扩展原理 | 第19-21页 |
| 第3章 基于购物行为与三元闭包理论的潜在好友识别算法 | 第21-35页 |
| 3.1 特征分析 | 第21-30页 |
| 3.1.1 用户行为关系图 | 第21-23页 |
| 3.1.2 评论情感特征 | 第23-27页 |
| 3.1.3 商品选择性特征 | 第27-29页 |
| 3.1.4 评论有用性特征 | 第29-30页 |
| 3.1.5 情感强度特征 | 第30页 |
| 3.2 算法 | 第30-35页 |
| 3.2.1 相似度计算算法 | 第30-32页 |
| 3.2.2 基于三元闭包理论的好友池扩充 | 第32-35页 |
| 第4章 实验结果及分析 | 第35-51页 |
| 4.1 实验环境及数据集介绍 | 第35页 |
| 4.1.1 实验环境描述 | 第35页 |
| 4.1.2 数据集描述 | 第35页 |
| 4.2 实验评价标准 | 第35-36页 |
| 4.3 实验内容及结果 | 第36-45页 |
| 4.3.1 数据拆分 | 第36-37页 |
| 4.3.2 用户购物行为相似度计算及结果 | 第37-38页 |
| 4.3.3 用户情感相似度计算及结果 | 第38-40页 |
| 4.3.4 用户商品选择相似度计算及结果 | 第40-41页 |
| 4.3.5 用户评论有用性及情感强度相似度计算及结果 | 第41-42页 |
| 4.3.6 最终相似度及好友池 | 第42-45页 |
| 4.4 实验结果对比和分析 | 第45-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况说明 | 第57-59页 |
| 致谢 | 第59页 |