文本挖掘在网购用户评论中的应用研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 绪论 | 第9-23页 |
| 第一节 研究背景与研究意义 | 第9-11页 |
| 一、研究背景 | 第9-10页 |
| 二、研究意义 | 第10-11页 |
| 第二节 国内外研究综述 | 第11-17页 |
| 一、国内外研究现状 | 第11-16页 |
| 二、国内外研究评价 | 第16-17页 |
| 第三节 研究思路和研究内容 | 第17-20页 |
| 一、研究思路 | 第17-18页 |
| 二、研究内容 | 第18-20页 |
| 第四节 可能创新与不足之处 | 第20-23页 |
| 一、可能创新 | 第20-21页 |
| 二、不足之处 | 第21-23页 |
| 第二章 文本挖掘相关技术阐释 | 第23-35页 |
| 第一节 网络爬虫 | 第23-25页 |
| 一、网络爬虫概念 | 第23页 |
| 二、抓取策略 | 第23-25页 |
| 第二节 中文分词 | 第25-30页 |
| 一、中文分词概念 | 第25页 |
| 二、中文分词算法 | 第25-27页 |
| 三、中文分词工具 | 第27-30页 |
| 第三节 LDA主题模型 | 第30-32页 |
| 一、LDA主题模型概念 | 第30-31页 |
| 二、LDA主题模型 | 第31-32页 |
| 第四节 情感倾向分析 | 第32-35页 |
| 一、情感倾向分析概念 | 第32-33页 |
| 二、分析算法 | 第33-35页 |
| 第三章 数据采集和预处理 | 第35-44页 |
| 第一节 数据选取 | 第35-38页 |
| 一、商品类型 | 第35-36页 |
| 二、商品品牌 | 第36页 |
| 三、网购平台 | 第36-38页 |
| 第二节 数据采集 | 第38-39页 |
| 第三节 数据预处理 | 第39-44页 |
| 一、数据清洗 | 第39页 |
| 二、数据规范化 | 第39-41页 |
| 三、中文分词 | 第41-42页 |
| 四、词性标注 | 第42页 |
| 五、特征词表 | 第42-44页 |
| 第四章 基于主题模型的语义挖掘 | 第44-52页 |
| 第一节 基于词云的可视化分析 | 第44-47页 |
| 一、评论总体 | 第44-46页 |
| 二、分平台评论 | 第46-47页 |
| 第二节 LDA主题模型建模 | 第47-51页 |
| 一、建立语料库 | 第47-48页 |
| 二、LDA主题数确定 | 第48页 |
| 三、LDA主题建模 | 第48-51页 |
| 第三节 结果分析 | 第51-52页 |
| 一、基于LDA主题模型的结果分析 | 第51页 |
| 二、基于分平台用户评论的主题划分结果分析 | 第51-52页 |
| 第五章 基于手机评论的情感倾向分析 | 第52-59页 |
| 第一节 情感词库 | 第52-53页 |
| 一、基础情感词词典 | 第52页 |
| 二、否定词词典 | 第52-53页 |
| 三、程度副词词典 | 第53页 |
| 第二节 情感分析算法 | 第53-54页 |
| 第三节 情感倾向分析 | 第54-59页 |
| 一、基于总体评论语句的情感倾向分析 | 第54-56页 |
| 二、基于三大电商平台评论语句的情感倾向分析 | 第56-57页 |
| 三、基于特征词表的情感倾向分析 | 第57-59页 |
| 第六章 研究结论与研究启示 | 第59-63页 |
| 第一节 研究结论 | 第59-60页 |
| 一、电商平台的用户特征 | 第59页 |
| 二、手机特征的用户偏好 | 第59-60页 |
| 三、文本挖掘在评论数据中的应用总结 | 第60页 |
| 第二节 研究启示 | 第60-63页 |
| 一、对消费者的两点启示 | 第60-61页 |
| 二、对商家的四点启示 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69-77页 |
| 致谢 | 第77-78页 |
