| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究及应用现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文章节安排 | 第12-14页 |
| 第2章 系统关键技术介绍 | 第14-17页 |
| 2.1 爬虫技术介绍 | 第14页 |
| 2.2 分词工具介绍 | 第14-15页 |
| 2.3 深度学习介绍 | 第15-17页 |
| 2.3.1 N-gram模型 | 第15页 |
| 2.3.2 RNN循环神经网络 | 第15-16页 |
| 2.3.3 sigmoid信念网络 | 第16-17页 |
| 第3章 定制化爬虫工具实现数据采集 | 第17-32页 |
| 3.1 定制化爬虫工具的总体设计 | 第17-20页 |
| 3.1.1 解析流程设计 | 第18-19页 |
| 3.1.2 总体设计 | 第19-20页 |
| 3.2 基于Beautiful Soup定制化爬虫工具实现数据采集 | 第20-25页 |
| 3.2.1 参数化输入实现多平台兼容 | 第20页 |
| 3.2.2 数据抓取及遍历算法的应用 | 第20-24页 |
| 3.2.3 结构化输出及数据有效性 | 第24-25页 |
| 3.3 结合selenium实现动态加载数据的采集 | 第25-28页 |
| 3.4 数据清洗和数据存储 | 第28-30页 |
| 3.4.1 清洗冗余数据 | 第28-29页 |
| 3.4.2 数据序列化和反序列化 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 基于深度学习商品评价的建模与实现 | 第32-50页 |
| 4.1 数据采集结果的特征词提取 | 第32-37页 |
| 4.2 语料库的建立 | 第37-40页 |
| 4.3 基于Word2Vec的词向量建模 | 第40-46页 |
| 4.3.1 CBOW和Skip-Gram模型的研究 | 第40-43页 |
| 4.3.2 词向量建模 | 第43-46页 |
| 4.4 LSTM算法的研究与应用 | 第46-49页 |
| 4.4.1 LSTM算法的研究 | 第46-48页 |
| 4.4.2 LSTM情感分析建模 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 数据可视化和系统实现 | 第50-61页 |
| 5.1 系统介绍 | 第50-54页 |
| 5.1.1 功能介绍 | 第50页 |
| 5.1.2 系统时序图 | 第50-52页 |
| 5.1.3 数据库设计 | 第52-54页 |
| 5.2 系统环境搭建 | 第54-56页 |
| 5.2.1 硬件环境 | 第54-55页 |
| 5.2.2 软件环境 | 第55-56页 |
| 5.3 系统展示 | 第56-60页 |
| 5.3.1 登陆 | 第56-57页 |
| 5.3.2 数据采集和分析 | 第57-58页 |
| 5.3.3 数据分析结果的应用 | 第58-60页 |
| 5.4 本章小节 | 第60-61页 |
| 第6章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
