基于商品评论的客户满意度分析--以京东手机类评价数据为例
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 研究现状 | 第12-14页 |
| 1.2.2 简要评述 | 第14-15页 |
| 1.3 论文创新 | 第15页 |
| 1.4 研究思路及框架 | 第15-17页 |
| 1.4.1 研究思路 | 第15-16页 |
| 1.4.2 研究框架 | 第16-17页 |
| 第2章 相关理论阐述 | 第17-32页 |
| 2.1 RHadoop相关介绍 | 第17-18页 |
| 2.1.1 RHadoop简介 | 第17页 |
| 2.1.2 RHadoop优势 | 第17-18页 |
| 2.1.3 RHadoop安装 | 第18页 |
| 2.2 网络爬虫简介 | 第18-22页 |
| 2.2.1 网络爬虫概念 | 第18页 |
| 2.2.2 网络爬虫原理 | 第18-19页 |
| 2.2.3 网络爬虫搜索策略 | 第19-20页 |
| 2.2.4 站点反爬虫机制的应对 | 第20-21页 |
| 2.2.5 正则表达式 | 第21-22页 |
| 2.3 文本预处理 | 第22-26页 |
| 2.3.1 中文分词 | 第22-24页 |
| 2.3.2 依存句法分析 | 第24-26页 |
| 2.4 情感倾向分析理论 | 第26-30页 |
| 2.4.1 基于词典的情感倾向分析 | 第26-27页 |
| 2.4.2 基于机器学习的情感倾向分析 | 第27页 |
| 2.4.3 基于依存句法的情感倾向分析 | 第27-29页 |
| 2.4.4 多种方法综合的情感倾向分析 | 第29-30页 |
| 2.5 满意度概述 | 第30-32页 |
| 第3章 基于华为和苹果手机用户评论的满意度分析 | 第32-49页 |
| 3.1 数据获取 | 第32-34页 |
| 3.1.1 研究对象 | 第32页 |
| 3.1.2 数据抽样 | 第32-34页 |
| 3.2 数据预处理 | 第34-37页 |
| 3.2.1 规范数据格式 | 第34页 |
| 3.2.2 分词 | 第34-36页 |
| 3.2.3 依存句法分析 | 第36-37页 |
| 3.3 特征词和情感词提取 | 第37-39页 |
| 3.3.1 基于句法关系的抽取算法 | 第38页 |
| 3.3.2 抽取词对结果(部分) | 第38-39页 |
| 3.4 文本情感分析 | 第39-48页 |
| 3.4.1 建立情感词词库 | 第39-40页 |
| 3.4.2 基于多策略的情感值计算 | 第40-45页 |
| 3.4.3 基于情感值建立满意度计算 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 研究结论与不足 | 第49-51页 |
| 4.1 研究结论 | 第49-50页 |
| 4.2 研究不足 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
