基于情感分析的个性化推荐算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 推荐算法的研究现状 | 第12-13页 |
| 1.2.2 情感分析的研究现状 | 第13-14页 |
| 1.2.3 特征提取的研究现状 | 第14-15页 |
| 1.2.4 特征归类的研究现状 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关理论与技术 | 第17-27页 |
| 2.1 协同过滤算法 | 第17-19页 |
| 2.2 情感分析 | 第19-20页 |
| 2.3 爬虫技术 | 第20-21页 |
| 2.4 中文分词及词性标注技术 | 第21-23页 |
| 2.4.1 中文分词 | 第21-22页 |
| 2.4.2 词性标注 | 第22-23页 |
| 2.5 关联规则 | 第23-25页 |
| 2.6 聚类 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 特征提取与聚类 | 第27-38页 |
| 3.1 数据处理 | 第27-30页 |
| 3.1.1 获取数据 | 第27-29页 |
| 3.1.2 数据预处理 | 第29-30页 |
| 3.2 提取特征词 | 第30-34页 |
| 3.2.1 Apriori算法提取特征 | 第30-32页 |
| 3.2.2 过滤特征 | 第32-33页 |
| 3.2.3 提取非频繁特征 | 第33-34页 |
| 3.3 特征词聚类 | 第34-37页 |
| 3.3.1 向量空间模型 | 第34页 |
| 3.3.2 向量特征选择 | 第34-35页 |
| 3.3.3 K-means聚类算法 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于情感分析的推荐 | 第38-44页 |
| 4.1 情感极性判断 | 第38-41页 |
| 4.1.1 情感词典构建 | 第38-40页 |
| 4.1.2 程度词的处理 | 第40页 |
| 4.1.3 情感极性计算 | 第40-41页 |
| 4.2 兴趣偏好及相似度建模 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 实验及结果分析 | 第44-49页 |
| 5.1 实验环境 | 第44页 |
| 5.2 评测指标 | 第44-45页 |
| 5.3 实验与分析 | 第45-48页 |
| 5.3.1 特征提取及聚类结果 | 第45-46页 |
| 5.3.2 情感分析的推荐结果 | 第46-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
