客户评价挖掘算法研究与实现
| 提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·数据挖掘 | 第8-9页 |
| ·关联规则挖掘 | 第9页 |
| ·本文所做工作 | 第9-11页 |
| 第2章 文本挖掘在观点评论上的应用 | 第11-23页 |
| ·文本挖掘介绍 | 第11-12页 |
| ·文本分类介绍 | 第12-13页 |
| ·文本分类过程 | 第13-18页 |
| ·文本向量化 | 第14-16页 |
| ·分类器的训练 | 第16页 |
| ·分类器的测试 | 第16-17页 |
| ·分类结果的评价 | 第17-18页 |
| ·文本分类技术 | 第18-23页 |
| ·简单向量距离分类 | 第18-19页 |
| ·KNN分类方法 | 第19页 |
| ·朴素贝叶斯分类方法 | 第19-20页 |
| ·支持向量机分类方法 | 第20-23页 |
| 第3章 中文文本自动分词和标注 | 第23-27页 |
| ·中文分词的基本概念 | 第23-25页 |
| ·词性标注 | 第25页 |
| ·ICTCLAS | 第25-26页 |
| ·实例演示 | 第26-27页 |
| 第4章 频繁特征识别 | 第27-38页 |
| ·基本概念 | 第27页 |
| ·产品特征分类 | 第27页 |
| ·传统的产品特征提取方法 | 第27-28页 |
| ·关联规则挖掘的应用 | 第28-34页 |
| ·关联规则挖掘的具体过程 | 第28-30页 |
| ·关联规则挖掘的相关算法 | 第30-31页 |
| ·FP-树频集算法 | 第31-33页 |
| ·FP-Growth与Apriori对比 | 第33-34页 |
| ·挖掘频繁特征 | 第34-36页 |
| ·产生频繁特征候选集 | 第34-35页 |
| ·对频繁特征候选集进行裁减 | 第35-36页 |
| ·实例演示 | 第36-38页 |
| 第5章 评论极性判定 | 第38-46页 |
| ·观点词 | 第38页 |
| ·提取观点词 | 第38-39页 |
| ·观点词极性识别 | 第39-41页 |
| ·极性 | 第39页 |
| ·极性判定方法 | 第39-41页 |
| ·非频繁特征提取 | 第41-42页 |
| ·非频繁特征 | 第41页 |
| ·非频繁特征提取 | 第41-42页 |
| ·句子的极性判定 | 第42-43页 |
| ·句子极性 | 第42页 |
| ·判定方法 | 第42-43页 |
| ·小结 | 第43-46页 |
| 第6章 结束语 | 第46-47页 |
| ·总结 | 第46页 |
| ·展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 摘要 | 第50-53页 |
| Abstract | 第53-56页 |
