| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究意义 | 第11页 |
| 1.2 意见挖掘技术研究现状 | 第11-13页 |
| 1.2.1 主题词抽取技术研究现状 | 第11-12页 |
| 1.2.2 极性词的极性确定技术研究现状 | 第12-13页 |
| 1.3 数据挖掘聚类算法介绍 | 第13-16页 |
| 1.3.1 常用聚类算法 | 第13-15页 |
| 1.3.2 各种聚类算法的对比 | 第15-16页 |
| 1.4 本文的主要工作 | 第16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第二章 评价对象的抽取及聚类 | 第18-24页 |
| 2.1 评价对象的抽取 | 第18-20页 |
| 2.1.1 评论信息的预处理 | 第18-19页 |
| 2.1.2 主题词的抽取 | 第19页 |
| 2.1.3 隐式评价对象的抽取 | 第19-20页 |
| 2.2 评价对象的聚类 | 第20-23页 |
| 2.2.1 BIRCH算法的预聚类 | 第20-21页 |
| 2.2.2 BIRCH聚类算法 | 第21-22页 |
| 2.2.3 评价对象的修剪 | 第22页 |
| 2.2.4 BIRCH聚类算法的全局聚类 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 评价词的极性判断及聚类 | 第24-30页 |
| 3.1 准备语料库及词典 | 第24-26页 |
| 3.2 基于word2vec与HowNet线性叠合的词语相似度计算 | 第26-28页 |
| 3.2.1 基于word2vec的词语相似度计算 | 第26页 |
| 3.2.2 基于HowNet的词语相似度计算 | 第26-28页 |
| 3.2.3 word2vec与HowNet线性叠合方法 | 第28页 |
| 3.3 评价词的聚类 | 第28页 |
| 3.4 商品推荐结果 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 实验结果及分析 | 第30-43页 |
| 4.1 评价对象修剪及聚类实验分析 | 第30-33页 |
| 4.1.1 BIRCH算法修剪评价对象实验分析 | 第30-31页 |
| 4.1.2 BIRCH算法聚类评价对象实验分析 | 第31-33页 |
| 4.2 评价词极性判断实验分析 | 第33-34页 |
| 4.3 基于意见挖掘的商品推荐系统设计与实现 | 第34-42页 |
| 4.3.1 系统业务流程图 | 第34-35页 |
| 4.3.2 数据库设计 | 第35-36页 |
| 4.3.3 系统页面展示 | 第36-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 发表论文和科研情况说明 | 第47-48页 |
| 致谢 | 第48-49页 |