基于文本分类和情感评分的电信投诉文本挖掘研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 绪论 | 第10-21页 |
| 第一节 研究背景与意义 | 第10-12页 |
| 一、研究背景 | 第10-11页 |
| 二、研究意义 | 第11-12页 |
| 第二节 国内外文献综述 | 第12-17页 |
| 一、电信投诉文本相关研究回顾 | 第12-13页 |
| 二、文本分类算法相关研究回顾 | 第13-15页 |
| 三、基于情感词典的情感分析研究回顾 | 第15-16页 |
| 四、文献评述 | 第16-17页 |
| 第三节 研究思路及内容框架 | 第17-20页 |
| 一、研究思路 | 第17页 |
| 二、研究内容 | 第17-19页 |
| 三、研究框架 | 第19-20页 |
| 第四节 可能的创新点 | 第20-21页 |
| 第二章 文本语义分析与分类算法理论概述 | 第21-36页 |
| 第一节 文本语义分析 | 第21-28页 |
| 一、中文分词技术 | 第21-22页 |
| 二、文本向量化 | 第22-28页 |
| 第二节 分类算法原理及模型介绍 | 第28-36页 |
| 一、基于单一模型的分类算法 | 第28-33页 |
| 二、基于集成模型的分类算法 | 第33-36页 |
| 第三章 电信投诉文本数据预处理 | 第36-56页 |
| 第一节 电信投诉数据集介绍与文本获取 | 第36-43页 |
| 一、电信投诉相关数据集介绍 | 第36-41页 |
| 二、投诉信息文本获取 | 第41-43页 |
| 第二节 电信投诉文本分词处理与词频统计 | 第43-48页 |
| 一、中文文本分词方法与结果展示 | 第43-45页 |
| 二、投诉文本分类别词频统计 | 第45-48页 |
| 第三节 电信投诉文本向量化表示 | 第48-51页 |
| 一、投诉文本BOW编码 | 第48-50页 |
| 二、词表TF-IDF值计算 | 第50-51页 |
| 第四节 基于PLDA主题模型的特征处理 | 第51-56页 |
| 一、PLDA主题模型的主题数确定 | 第51页 |
| 二、PLDA主题模型的结果解释 | 第51-56页 |
| 第四章 基于PLDA主题模型的文本分类研究 | 第56-71页 |
| 第一节 模型预测效果评估指标 | 第56-59页 |
| 一、模型总体评估指标 | 第57页 |
| 二、基于类别的评估指标 | 第57-58页 |
| 三、多分类问题的混淆矩阵与比例矩阵 | 第58-59页 |
| 第二节 单一分类模型预测效果展示 | 第59-67页 |
| 一、逻辑回归分类算法预测效果展示 | 第59-62页 |
| 二、K近邻分类算法预测效果展示 | 第62-63页 |
| 三、朴素贝叶斯分类算法预测效果展示 | 第63-65页 |
| 四、决策树分类算法预测效果展示 | 第65-67页 |
| 第三节 集成分类模型预测效果展示 | 第67-70页 |
| 一、梯度提升树分类算法预测效果展示 | 第67-68页 |
| 二、随机森林分类算法预测效果展示 | 第68-70页 |
| 第四节 基于PLDA主题模型的分类算法比较 | 第70-71页 |
| 第五章 基于情感词典的电信投诉文本情感分析 | 第71-76页 |
| 第一节 文本情感分析介绍 | 第71-72页 |
| 第二节 情感词典构建 | 第72-73页 |
| 第三节 电信投诉文本的情感评分 | 第73-76页 |
| 第六章 研究结论与研究启示 | 第76-78页 |
| 第一节 研究结论 | 第76-77页 |
| 第二节 研究启示 | 第77-78页 |
| 一、对通信行业监管方的启示 | 第77页 |
| 二、对通信运营商的启示 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 电信领域专有名词 | 第82-85页 |
| 致谢 | 第85-86页 |
