| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 推荐系统的研究现状 | 第13-14页 |
| 1.2.2 意见挖掘和情感分析的研究现状 | 第14-15页 |
| 1.3 研究目标和研究内容 | 第15-16页 |
| 1.4 本文的结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 研究框架和相关知识 | 第18-27页 |
| 2.1 研究框架与流程简介 | 第18-20页 |
| 2.2 研究相关的知识与工作 | 第20-25页 |
| 2.2.1 在线评论文本分析 | 第20-21页 |
| 2.2.2 网络爬虫技术 | 第21-23页 |
| 2.2.3 word2vec词向量模型 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 3 在线评论文本的意见挖掘与情感分析 | 第27-37页 |
| 3.1 文本语料预处理与人工标注 | 第27-29页 |
| 3.2 POS模式的生成与抽取 | 第29-30页 |
| 3.3 汽车领域相关词典的构建 | 第30-32页 |
| 3.4 基于商品属性特征的意见挖掘和情感量化分析算法 | 第32-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 汽车推荐模型和算法 | 第37-46页 |
| 4.1 汽车个性化推荐任务简介 | 第37-38页 |
| 4.2 汽车推荐概率模型 | 第38-41页 |
| 4.3 基于矩阵投影的模型参数评估算法 | 第41-42页 |
| 4.4 推荐概率模型中参数的计算与评估 | 第42-45页 |
| 4.5 Top-K汽车推荐列表的评分公式 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 实验结果和分析 | 第46-53页 |
| 5.1 实验数据集简介 | 第46页 |
| 5.2 评价标准体系 | 第46-48页 |
| 5.3 实验对比及结果分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 工作总结和展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
| A.作者在攻读学位期间成果目录 | 第61页 |
| B.作者在攻读学位期间参加的项目 | 第61页 |