| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 话题识别与演化的研究现状 | 第12-14页 |
| 1.3 本文结构安排 | 第14-16页 |
| 第二章 投诉文本特点分析及相关理论技术综述 | 第16-27页 |
| 2.1 投诉信息特点分析 | 第16-17页 |
| 2.1.1 投诉信息描述 | 第16页 |
| 2.1.2 投诉热点分析与定义 | 第16-17页 |
| 2.2 投诉信息的表示方法 | 第17-20页 |
| 2.2.1 文本分词 | 第18页 |
| 2.2.2 文本表示模型 | 第18-19页 |
| 2.2.3 特征提取 | 第19-20页 |
| 2.3 文本挖掘技术 | 第20-21页 |
| 2.3.1 k-means聚类算法 | 第20-21页 |
| 2.3.2 SVM分类算法 | 第21页 |
| 2.4 LDA话题模型 | 第21-25页 |
| 2.4.1 模型介绍 | 第22-23页 |
| 2.4.2 话题的定义 | 第23-24页 |
| 2.4.3 模型最优话题数目选择 | 第24-25页 |
| 2.5 Spark技术 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于LDA模型的移动投诉文本热点话题识别 | 第27-39页 |
| 3.1 投诉文本的聚类方法 | 第27-29页 |
| 3.2 LDA模型话题抽取 | 第29页 |
| 3.3 热点话题识别 | 第29-32页 |
| 3.4 实验设计及结果分析 | 第32-38页 |
| 3.4.1 准备工作 | 第32页 |
| 3.4.2 语料预处理 | 第32-33页 |
| 3.4.3 聚类 | 第33页 |
| 3.4.4 话题抽取 | 第33-35页 |
| 3.4.5 话题抽取实验结果对比分析 | 第35-36页 |
| 3.4.6 热点话题识别实验结果分析 | 第36-37页 |
| 3.4.7 话题测试实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 结合SVM与LDA的移动投诉文本话题演化分析方法 | 第39-49页 |
| 4.1 基于SVM的投诉文本分类 | 第39-41页 |
| 4.1.1 文本预处理 | 第40页 |
| 4.1.2 特征提取 | 第40-41页 |
| 4.1.3 特征权重计算及构建分类模型 | 第41页 |
| 4.2 话题演化的形成 | 第41-44页 |
| 4.2.1 话题的提取与表示 | 第41-42页 |
| 4.2.2 话题内容的演化 | 第42-43页 |
| 4.2.3 话题强度的演化 | 第43-44页 |
| 4.3 实验设计与结果分析 | 第44-48页 |
| 4.3.1 文本分类实验分析 | 第44-46页 |
| 4.3.2 话题演化实验分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 投诉智能分析系统设计与实现 | 第49-66页 |
| 5.1 系统应用介绍 | 第49-51页 |
| 5.1.1 开发平台介绍 | 第49-50页 |
| 5.1.2 系统设计目标及要求 | 第50-51页 |
| 5.2 系统设计难点与解决方案 | 第51-55页 |
| 5.2.1 设计难点 | 第51页 |
| 5.2.2 解决方案 | 第51-55页 |
| 5.3 系统模块介绍 | 第55-60页 |
| 5.3.1 基础数据处理模块 | 第55-57页 |
| 5.3.2 关键词词组提取及演化模块 | 第57-59页 |
| 5.3.3 话题发现及演化模块 | 第59-60页 |
| 5.4 主要界面展示 | 第60-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66页 |
| 6.2 对未来工作的设想 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-73页 |
| 详细摘要 | 第73-75页 |