| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 主要工作和研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 基于统计优化与语义选择的情感分析与评分预测方法 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 情感分析技术研究现状 | 第14-16页 |
| 2.3 情感分析方法与评分预测 | 第16-21页 |
| 2.3.1 基于简单统计的情感分析算法 | 第16页 |
| 2.3.2 基于统计优化的情感分析算法 | 第16-18页 |
| 2.3.3 基于语义选择的情感分析算法 | 第18-20页 |
| 2.3.4 情感分析算法对比 | 第20-21页 |
| 2.4 实验结果与分析 | 第21-28页 |
| 2.4.1 基于协同过滤的评分预测 | 第22-23页 |
| 2.4.2 基于简单统计的情感分析算法 | 第23-25页 |
| 2.4.3 基于统计优化的情感分析算法 | 第25-26页 |
| 2.4.4 基于语义选择的情感分析算法 | 第26-27页 |
| 2.4.5 实验结果对比 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于主题模型的用户评论推荐方法 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 评论资源挖掘相关研究 | 第29-30页 |
| 3.3 基于主题模型的评论推荐方法 | 第30-33页 |
| 3.3.1 方法描述 | 第30-32页 |
| 3.3.2 方法分析 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-38页 |
| 3.4.1 主题数量选取 | 第33-34页 |
| 3.4.2 评论主题分布提取 | 第34页 |
| 3.4.3 用户主题分布偏好提取 | 第34-35页 |
| 3.4.4 评论列表推荐 | 第35-38页 |
| 3.5 本章总结 | 第38-39页 |
| 第四章 基于用户评论和评分的商品推荐方法 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 协同过滤推荐相关研究 | 第39-40页 |
| 4.3 基于用户评论的商品相似度计算方法 | 第40-42页 |
| 4.3.1 方法描述 | 第40-42页 |
| 4.3.2 方法分析 | 第42页 |
| 4.4 基于评论和评分的商品推荐方法 | 第42-44页 |
| 4.4.1 方法描述 | 第42-43页 |
| 4.4.2 方法分析 | 第43-44页 |
| 4.5 实验结果与分析 | 第44-49页 |
| 4.5.1 商品主题分布特征提取 | 第44-45页 |
| 4.5.2 基于用户评论的商品相似度 | 第45-47页 |
| 4.5.3 基于用户评论和评分的商品推荐 | 第47-49页 |
| 4.6 本章总结 | 第49-51页 |
| 第五章 基于用户评论的推荐系统 | 第51-55页 |
| 5.1 引言 | 第51页 |
| 5.2 总体框架设计 | 第51-52页 |
| 5.3 算法应用及实现 | 第52-54页 |
| 5.3.1 情感分析算法 | 第52页 |
| 5.3.2 评论推荐算法 | 第52-53页 |
| 5.3.3 商品推荐算法 | 第53-54页 |
| 5.4 本章总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 下一步工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 作者攻读学位期间发表的学术论文目录 | 第63页 |