基于用户评论的产品可用性分析方法及其应用研究
| 致谢 | 第6-7页 |
| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 1 绪论 | 第15-24页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 相关技术国内外研究现状 | 第16-21页 |
| 1.2.1 产品可用性的研究现状 | 第16-18页 |
| 1.2.2 用户评论质量研究现状 | 第18-19页 |
| 1.2.3 情感分类研究现状 | 第19-20页 |
| 1.2.4 特征词提取研究现状 | 第20-21页 |
| 1.3 论文技术路线 | 第21-23页 |
| 1.4 论文组织结构 | 第23-24页 |
| 2 数据获取与预处理 | 第24-34页 |
| 2.1 评论文本的获取 | 第24页 |
| 2.2 评论分词选型 | 第24-27页 |
| 2.3 无效评论的识别 | 第27-33页 |
| 2.3.1 基于时间信息的过滤 | 第28页 |
| 2.3.2 基于重复率的过滤 | 第28-29页 |
| 2.3.3 评论关联度的检测 | 第29-31页 |
| 2.3.4 实验 | 第31-33页 |
| 2.4 本章小节 | 第33-34页 |
| 3 产品特征与单情感强度句的序列标注 | 第34-44页 |
| 3.1 Bi LSTM-CRF模型原理 | 第35-39页 |
| 3.1.1 Bi LSTM模型原理 | 第35-38页 |
| 3.1.2 CRF模型原理 | 第38-39页 |
| 3.1.3 Bi LSTM- CRF模型原理 | 第39页 |
| 3.2 训练样本标注规则 | 第39-41页 |
| 3.3 模型训练与实验分析 | 第41-43页 |
| 3.3.1 模型的训练 | 第41-42页 |
| 3.3.2 实验分析 | 第42-43页 |
| 3.4 本章小节 | 第43-44页 |
| 4 产品特征词情感得分计算 | 第44-51页 |
| 4.1 词向量 | 第44-47页 |
| 4.1.1 连续词袋模型 | 第45-46页 |
| 4.1.2 情感词和单特征句的词向量 | 第46-47页 |
| 4.2 产品特征情感得分计算 | 第47-49页 |
| 4.2.1 词向量相似度计算 | 第48页 |
| 4.2.2 特征词情感得分计算 | 第48-49页 |
| 4.3 本章小节 | 第49-51页 |
| 5 产品可用性分析 | 第51-59页 |
| 5.1 贝叶斯估计 | 第51-53页 |
| 5.2 可用性分析 | 第53-54页 |
| 5.2.1 产品可用性的评估 | 第53-54页 |
| 5.2.2 影响可用性的关键特征识别与分析 | 第54页 |
| 5.3 实验结果分析与总结 | 第54-58页 |
| 5.3.1 实验分析与总结 | 第54-57页 |
| 5.3.2 方法的创新性与进步性 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历 | 第65页 |
