文本挖掘在产品评论中的研究与应用
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状 | 第16-20页 |
| 1.2.1 文本挖掘技术研究现状 | 第16-18页 |
| 1.2.2 产品评论观点研究现状 | 第18-20页 |
| 1.3 本文主要内容 | 第20-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 第2章 文本挖掘相关理论与方法 | 第23-29页 |
| 2.1 文本挖掘技术 | 第23-26页 |
| 2.1.1 文本挖掘的概念 | 第23页 |
| 2.1.2 文本挖掘的过程 | 第23页 |
| 2.1.3 文本挖掘主要方法 | 第23-26页 |
| 2.2 文本情感分析 | 第26-28页 |
| 2.2.1 文本情感分析的概念 | 第26页 |
| 2.2.2 文本情感分析过程 | 第26页 |
| 2.2.3 文本情感分析方法 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 文本采集和预处理 | 第29-43页 |
| 3.1 产品评论数据抓取 | 第29-30页 |
| 3.2 产品评论的预处理 | 第30-36页 |
| 3.2.1 评论文本分词 | 第31-34页 |
| 3.2.2 评论文本停用词过滤 | 第34页 |
| 3.2.3 评论文本的预处理 | 第34-36页 |
| 3.3 文本特征选择 | 第36-37页 |
| 3.4 特征权值及文本向量表示 | 第37-40页 |
| 3.4.1 特征权值计算 | 第37-39页 |
| 3.4.2 文本向量表示 | 第39-40页 |
| 3.5 本章小结 | 第40-43页 |
| 第4章 KNN算法的改进 | 第43-53页 |
| 4.1 传统KNN算法简介 | 第43页 |
| 4.2 改进的KNN算法 | 第43-47页 |
| 4.3 实验及结果分析 | 第47-51页 |
| 4.3.1 KNN与CPKNN算法对比实验 | 第47-51页 |
| 4.3.2 实验结果分析 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 基于CPKNN算法的细粒度情感分析模型 | 第53-61页 |
| 5.1 情感分类模型的构建 | 第53-54页 |
| 5.1.1 细粒度的介绍 | 第53页 |
| 5.1.2 细粒度情感分类模型 | 第53-54页 |
| 5.2 情感分类流程 | 第54-57页 |
| 5.2.1 产品评论数据准备 | 第55页 |
| 5.2.2 产品评论数据特征选择 | 第55页 |
| 5.2.3 构建分类模型及K值确定 | 第55-57页 |
| 5.3 实验及结果分析 | 第57-59页 |
| 5.3.1 产品评论情感分类实验及结果 | 第57-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 产品评论系统的设计与实现 | 第61-75页 |
| 6.1 系统基本需求分析 | 第61页 |
| 6.2 系统设计 | 第61-66页 |
| 6.2.1 实验环境与工具 | 第61-62页 |
| 6.2.2 系统总体功能结构框架图 | 第62页 |
| 6.2.3 系统业务流程设计 | 第62-63页 |
| 6.2.4 数据库设计 | 第63-66页 |
| 6.3 系统实现 | 第66-73页 |
| 6.3.1 系统开发平台 | 第66-68页 |
| 6.3.2 数据抓取模块 | 第68页 |
| 6.3.3 预处理模块 | 第68-70页 |
| 6.3.4 情感抓取模块 | 第70-72页 |
| 6.3.5 情感分类模块 | 第72-73页 |
| 6.4 本章小结 | 第73-75页 |
| 第7章 总结与展望 | 第75-77页 |
| 7.1 全文总结 | 第75页 |
| 7.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文 | 第81-83页 |
| 附录 | 第83-85页 |
| 致谢 | 第85-86页 |
| 详细摘要 | 第86-90页 |
