基于Web文本挖掘的网络口碑监测系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-16页 |
| ·网络口碑监测系统的研究背景 | 第8-11页 |
| ·网络口碑概述 | 第8-9页 |
| ·网络口碑监测系统概述 | 第9-10页 |
| ·国内外相关研究现状 | 第10-11页 |
| ·Web文本挖掘概述 | 第11-14页 |
| ·Web数据挖掘 | 第11-13页 |
| ·Web文本挖掘 | 第13-14页 |
| ·本文研究的主要内容 | 第14页 |
| ·本文的编写与组织 | 第14-16页 |
| 第2章 网络口碑信息采集 | 第16-24页 |
| ·搜索引擎技术 | 第16-17页 |
| ·网络爬虫技术 | 第17-19页 |
| ·网络爬虫的概念及工作原理 | 第17-18页 |
| ·网络爬虫的网页搜索策略 | 第18-19页 |
| ·元搜索技术 | 第19-23页 |
| ·元搜索技术概述 | 第19-21页 |
| ·元搜索引擎结构 | 第21-22页 |
| ·元搜索数学模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 网络口碑信息的预处理 | 第24-40页 |
| ·网页解析技术 | 第24-29页 |
| ·HTML/XML语言 | 第24-27页 |
| ·HTML解析方法与信息提取 | 第27-29页 |
| ·XML文档提取 | 第29页 |
| ·中文分词技术 | 第29-33页 |
| ·中文分词技术概述 | 第30-31页 |
| ·中文分词的常用算法 | 第31-33页 |
| ·向量空间模型与特征提取 | 第33-39页 |
| ·文本特征的表示 | 第34-36页 |
| ·文本特征提取 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 网络口碑信息的挖掘 | 第40-59页 |
| ·网络口碑自动聚类技术 | 第40-52页 |
| ·聚类技术概述 | 第40-42页 |
| ·文本的相似度衡量 | 第42-45页 |
| ·聚类分析的常用算法 | 第45-46页 |
| ·K-Means算法 | 第46-47页 |
| ·一种基于知网改进的聚类算法 | 第47-52页 |
| ·文本倾向性分析 | 第52-58页 |
| ·文本倾向性分析概述 | 第52-53页 |
| ·基于知网的情感词典构建 | 第53-55页 |
| ·文本倾向性度量 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 网络口碑监测系统设计与原型实现 | 第59-73页 |
| ·网络口碑监测系统设计 | 第59-61页 |
| ·系统设计目标及总体架构 | 第59-60页 |
| ·系统功能描述 | 第60-61页 |
| ·数据采集模块 | 第61-65页 |
| ·数据采集模块功能设计 | 第62-63页 |
| ·采集模块配置文件说明 | 第63-64页 |
| ·数据采集模块程序设计 | 第64-65页 |
| ·信息预处理模块 | 第65-69页 |
| ·预处理模块功能设计 | 第65-66页 |
| ·HTML解析与内容提取 | 第66-68页 |
| ·中文分词与词性标注 | 第68页 |
| ·特征提取 | 第68-69页 |
| ·口碑信息挖掘与分析模块 | 第69-72页 |
| ·挖掘与分析模块功能设计 | 第69-70页 |
| ·文本聚类 | 第70-71页 |
| ·倾向性分析 | 第71-72页 |
| ·本系统的特色 | 第72-73页 |
| 第6章 总结与展望 | 第73-74页 |
| ·总结 | 第73页 |
| ·下一步工作的方向 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术成果 | 第79页 |
