| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 产品特征提取的相关研究 | 第11-13页 |
| 1.3.2 语义相似度的相关研究 | 第13-14页 |
| 1.3.3 基于向量空间模型提取特征的观点词集相关研究 | 第14-15页 |
| 1.3.4 产品特征聚类的相关研究 | 第15-16页 |
| 1.4 论文的主要工作及创新点 | 第16-18页 |
| 1.4.1 论文的主要工作 | 第16-17页 |
| 1.4.2 论文的创新点 | 第17-18页 |
| 1.5 论文的组织结构 | 第18页 |
| 1.6 论文研究方法 | 第18-20页 |
| 第2章 评论挖掘的相关理论及技术 | 第20-30页 |
| 2.1 评论挖掘相关研究 | 第20-22页 |
| 2.1.1 评论挖掘分类 | 第21页 |
| 2.1.2 特征级网络产品评论挖掘 | 第21-22页 |
| 2.2 关联规则及聚类 | 第22-24页 |
| 2.3 中文分词与词性标注技术 | 第24-26页 |
| 2.3.1 中文分词 | 第24-25页 |
| 2.3.2 ICTCLAS | 第25-26页 |
| 2.4 语义相似度 | 第26-27页 |
| 2.4.1 基于词汇集的方法 | 第26-27页 |
| 2.4.2 基于词典的方法 | 第27页 |
| 2.5 向量空间模型 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 中文网络评论的产品特征提取算法改进 | 第30-41页 |
| 3.1 产品特征提取方法设计 | 第30-33页 |
| 3.1.1 问题描述 | 第30-31页 |
| 3.1.2 基本思想及框架流程 | 第31-33页 |
| 3.2 具体改进算法及规则 | 第33-36页 |
| 3.2.1 具体改进的关联规则算法 | 第33-35页 |
| 3.2.2 具体改进的邻近剪枝规则 | 第35-36页 |
| 3.3 实验数据及性能评估 | 第36-37页 |
| 3.3.1 实验数据 | 第36页 |
| 3.3.2 评估指标 | 第36-37页 |
| 3.4 实验结果及相关研究对比 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 特征间的语义相似度算法 | 第41-48页 |
| 4.1 特征相似度算法存在问题 | 第41-45页 |
| 4.1.1 基于HowNet的特征相似度 | 第41-42页 |
| 4.1.2 基于特征和观点共现信息的语义相似度 | 第42-45页 |
| 4.2 改进的特征语义相似度算法 | 第45-46页 |
| 4.2.1 相关定义 | 第45页 |
| 4.2.2 算法描述 | 第45-46页 |
| 4.3 实验结果及对比分析 | 第46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于特征语义相似度的聚类分析 | 第48-60页 |
| 5.1 向量特征存在问题 | 第48-50页 |
| 5.1.1 以字符串相似度和语义相似度作特征 | 第49页 |
| 5.1.2 以观点词为特征 | 第49-50页 |
| 5.2 改进的K-means聚类算法 | 第50-54页 |
| 5.2.1 问题描述 | 第50页 |
| 5.2.2 算法具体内容 | 第50-54页 |
| 5.3 算法性能评价 | 第54-57页 |
| 5.3.1 样本数据 | 第54-55页 |
| 5.3.2 评估指标 | 第55页 |
| 5.3.3 阈值的选取 | 第55-56页 |
| 5.3.4 实验结果及对比分析 | 第56-57页 |
| 5.4 挖掘聚类结果的应用 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第69页 |