基于观点挖掘的商品推荐研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 相关研究现状 | 第12-13页 |
| 1.2.1 产品评论中的观点挖掘 | 第12页 |
| 1.2.2 基于观点挖掘的推荐模型 | 第12-13页 |
| 1.3 研究内容及创新点 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 相关知识及关键技术分析 | 第16-28页 |
| 2.1 观点挖掘 | 第16-19页 |
| 2.1.1 观点挖掘的相关定义 | 第16-18页 |
| 2.1.2 观点挖掘的总结 | 第18-19页 |
| 2.2 经典推荐算法 | 第19-25页 |
| 2.2.1 基于内容的推荐 | 第19-21页 |
| 2.2.2 基于协同过滤的推荐 | 第21-23页 |
| 2.2.3 混合推荐 | 第23-25页 |
| 2.3 推荐效果评价标准 | 第25-27页 |
| 2.3.1 预测的准确率 | 第25-26页 |
| 2.3.2 推荐的相关性 | 第26页 |
| 2.3.3 推荐的排序 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于直觉模糊集理论的观点抽取算法 | 第28-44页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于直觉模糊集理论的观点抽取方法 | 第29-36页 |
| 3.2.1 观点抽取的问题描述 | 第29-30页 |
| 3.2.2 基于直觉模糊集理论的观点抽取方法 | 第30-36页 |
| 3.3 实验分析 | 第36-42页 |
| 3.3.1 数据预处理 | 第36-38页 |
| 3.3.2 实验环境 | 第38页 |
| 3.3.3 评价指标 | 第38页 |
| 3.3.4 实验结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于用户-商品-观点的混合推荐模型 | 第44-57页 |
| 4.1 引言 | 第44-45页 |
| 4.2 系统假设与目标 | 第45页 |
| 4.3 基于用户-商品-评论的混合推荐系统模型 | 第45-52页 |
| 4.3.1 推荐模型框架 | 第45-46页 |
| 4.3.2 基于观点词的特征抽取 | 第46页 |
| 4.3.3 随机森林的基本概念 | 第46-47页 |
| 4.3.4 梯度渐进回归树的基本概念 | 第47-49页 |
| 4.3.5 Spark中使用RF与GBRT | 第49-51页 |
| 4.3.6 模型融合 | 第51-52页 |
| 4.4 数据集 | 第52-54页 |
| 4.4.1 评论文本 | 第52-53页 |
| 4.4.2 观点词库 | 第53-54页 |
| 4.5 实验过程及结果分析 | 第54-56页 |
| 4.5.1 实验环境 | 第54页 |
| 4.5.2 数据集的处理 | 第54-55页 |
| 4.5.3 实验对比模型 | 第55页 |
| 4.5.4 评价指标 | 第55-56页 |
| 4.5.5 实验结果分析 | 第56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
