| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 课题主要内容 | 第12-13页 |
| 1.3 相关课题内容国内外研究现状 | 第13-16页 |
| 1.3.1 推荐系统的研究现状 | 第13-14页 |
| 1.3.2 产品属性抽取研究现状 | 第14-15页 |
| 1.3.3 情感分析研究现状 | 第15-16页 |
| 1.3.4 产品评论的效用性分析研究现状 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 关键技术分析 | 第18-27页 |
| 2.1 意见挖掘概述 | 第18页 |
| 2.2 特征选择相关技术 | 第18-19页 |
| 2.3 文本分类相关技术 | 第19-25页 |
| 2.3.1 文本分类的基本流程 | 第19-20页 |
| 2.3.2 文本分类常用方法 | 第20-23页 |
| 2.3.3 文本聚类常用方法 | 第23-24页 |
| 2.3.4 分类结果评估 | 第24-25页 |
| 2.4 情感分析相关技术 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于APC-CS的产品评论中属性词抽取研究 | 第27-42页 |
| 3.1 产品属性词抽取的意义 | 第27-28页 |
| 3.2 基于评论文本语法模式的词性序列提取 | 第28-32页 |
| 3.2.1 产品评论文本的语法模式 | 第28页 |
| 3.2.2 词性序列训练 | 第28-30页 |
| 3.2.3 词性序列抽取 | 第30-32页 |
| 3.3 基于余弦相似度的近邻传播聚类算法（APC-CS） | 第32-37页 |
| 3.3.1 APC-CS算法的提出 | 第32-33页 |
| 3.3.2 基于Word2Vec的词向量训练 | 第33-35页 |
| 3.3.3 基于余弦定理的词向量相似度计算 | 第35-36页 |
| 3.3.4 基于APC-CS算法的属性词聚类 | 第36-37页 |
| 3.4 属性词聚类实验结果分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于组合特征的评论文本效用性评价 | 第42-54页 |
| 4.1 产品评论效用性评价的意义 | 第42页 |
| 4.2 产品评论效用性的影响因素 | 第42-43页 |
| 4.3 产品评论效用性组合特征分析 | 第43-46页 |
| 4.3.1 效用性结构特征 | 第43-44页 |
| 4.3.2 效用性信息特征 | 第44-46页 |
| 4.3.3 基于组合特征的效用性特征构建 | 第46页 |
| 4.4 基于组合特征的产品评论效用性评价模型分析 | 第46-50页 |
| 4.4.1 效用性评价模型结构 | 第46-48页 |
| 4.4.2 效用性评价模型构建 | 第48-50页 |
| 4.5 产品评论效用性评价实验结果分析 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 基于深度学习模型LSTM的情感分析 | 第54-68页 |
| 5.1 产品评论情感倾向分析的意义 | 第54页 |
| 5.2 基于LSTM的情感预测设计 | 第54-55页 |
| 5.3 基于LSTM模型的情感预测应用 | 第55-63页 |
| 5.3.1 LSTM情感预测模型框架 | 第55-57页 |
| 5.3.2 LSTM情感预测模型的配置分析 | 第57-61页 |
| 5.3.3 LSTM情感预测模型的结果及分析 | 第61-63页 |
| 5.4 基于评论文本分析的产品推荐值计算模型 | 第63-67页 |
| 5.4.1 推荐值计算模型建立 | 第63-64页 |
| 5.4.2 推荐值计算实验结果分析 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 基于产品评论文本分析的推荐系统的实现 | 第68-94页 |
| 6.1 项目背景与需求分析 | 第68页 |
| 6.2 系统概要设计 | 第68-69页 |
| 6.3 系统开发环境 | 第69-71页 |
| 6.3.1 系统硬件拓扑结构 | 第69-70页 |
| 6.3.2 系统软件配置 | 第70-71页 |
| 6.4 系统设计与实现 | 第71-88页 |
| 6.4.1 数据采集模块 | 第71-72页 |
| 6.4.2 数据存储模块 | 第72-77页 |
| 6.4.3 产品评论中属性词抽取模块 | 第77-80页 |
| 6.4.4 产品评论效用价值评价模块 | 第80-84页 |
| 6.4.5 基于LSTM情感推荐价值模块 | 第84-88页 |
| 6.5 系统测试 | 第88-93页 |
| 6.5.1 属性词抽取功能测试 | 第88-90页 |
| 6.5.2 产品评论效用值评价功能测试 | 第90-91页 |
| 6.5.3 产品推荐模块功能测试 | 第91-93页 |
| 6.6 本章小结 | 第93-94页 |
| 第七章 总结与展望 | 第94-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-100页 |
| 攻读硕士期间取得的研究成果 | 第100-101页 |