| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 实用推荐系统 | 第14-15页 |
| 1.2.2 电影推荐研究系统 | 第15-16页 |
| 1.2.3 细粒度情感分析的相关研究工作 | 第16页 |
| 1.3 本文研究目的与研究内容 | 第16-19页 |
| 1.3.1 研究目的 | 第16-17页 |
| 1.3.2 研究内容 | 第17-18页 |
| 1.3.3 课题来源 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-20页 |
| 第2章 相关理论与技术 | 第20-30页 |
| 2.1 文本预处理 | 第20-23页 |
| 2.1.1 中文分词技术 | 第20-21页 |
| 2.1.2 文本停用词 | 第21-22页 |
| 2.1.3 向量空间模型 | 第22-23页 |
| 2.2 相关推荐算法和技术 | 第23-27页 |
| 2.2.1 协同过滤推荐 | 第23-24页 |
| 2.2.2 基于内容推荐 | 第24-25页 |
| 2.2.3 基于关联规则推荐 | 第25页 |
| 2.2.4 基于效用推荐 | 第25-26页 |
| 2.2.5 基于知识推荐 | 第26页 |
| 2.2.6 组合推荐 | 第26-27页 |
| 2.3 相似度计算 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 数据的爬取与预处理 | 第30-40页 |
| 3.1 豆瓣网站的电影数据 | 第30-32页 |
| 3.1.1 豆瓣的特点 | 第30-31页 |
| 3.1.2 豆瓣的相关属性 | 第31-32页 |
| 3.2 数据的爬取与预处理 | 第32-38页 |
| 3.2.1 关于Jsoup | 第32-33页 |
| 3.2.2 爬取数据 | 第33-37页 |
| 3.2.3 爬取过程中的问题及解决方法 | 第37-38页 |
| 3.2.4 数据预处理 | 第38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 基于用户评论细粒度情感分析的电影推荐 | 第40-56页 |
| 4.1 问题的提出 | 第40-41页 |
| 4.2 整体流程图 | 第41页 |
| 4.3 基于LDA的用户评论主题抽取 | 第41-47页 |
| 4.3.1 LDA介绍 | 第41-44页 |
| 4.3.2 LDA的前提准备 | 第44-46页 |
| 4.3.3 基于LDA的用户评论主题抽取 | 第46-47页 |
| 4.4 基于SVM的用户评论主客观分类 | 第47-49页 |
| 4.4.1 SVM简介 | 第47页 |
| 4.4.2 用户评论的主客观分类 | 第47-49页 |
| 4.5 基于贝叶斯的评论细粒度情感分析 | 第49-52页 |
| 4.5.1 贝叶斯分类器 | 第50页 |
| 4.5.2 基于贝叶斯定理的细粒度情感分类 | 第50-52页 |
| 4.6 基于SVM分类的评论细粒度情感分析 | 第52-53页 |
| 4.6.1 Binary Relevance算法相关介绍 | 第52-53页 |
| 4.6.2 方法概述 | 第53页 |
| 4.7 贝叶斯与SVM分类结合 | 第53-55页 |
| 4.8 本章小结 | 第55-56页 |
| 第5章 基于协同过滤的电影推荐 | 第56-66页 |
| 5.1 问题提出 | 第56-57页 |
| 5.2 整体流程图 | 第57-58页 |
| 5.3 用户电影评分列表生成 | 第58页 |
| 5.4 相似用户的获取 | 第58-60页 |
| 5.5 填补用户电影矩阵 | 第60-62页 |
| 5.6 递归预测算法 | 第62-63页 |
| 5.7 协同过滤评价方法 | 第63-65页 |
| 5.7.1 推荐的评价标准 | 第63-64页 |
| 5.7.2 选定测试集与训练集 | 第64-65页 |
| 5.8 本章小结 | 第65-66页 |
| 第6章 实验结果分析 | 第66-78页 |
| 6.1 实验环境 | 第66页 |
| 6.2 相关评测标准 | 第66-68页 |
| 6.3 实验数据集 | 第68-70页 |
| 6.3.1 实验数据集分布 | 第68-69页 |
| 6.3.2 实验数据的情感分布 | 第69-70页 |
| 6.4 实验结果和分析 | 第70-77页 |
| 6.4.1 主客观分类实验与分析 | 第70-72页 |
| 6.4.2 细粒度情感分析实验与分析 | 第72-73页 |
| 6.4.3 近邻K的选取实验与分析 | 第73-74页 |
| 6.4.4 填补矩阵与不填补矩阵的对比实验与分析 | 第74-75页 |
| 6.4.5 两种相似度计算方法对比实验与分析 | 第75-76页 |
| 6.4.6 递归预测算法与取平均值法对比实验与分析 | 第76-77页 |
| 6.4.7 结合评论与评分的对比实验与分析 | 第77页 |
| 6.5 本章小结 | 第77-78页 |
| 第7章 总结及未来工作 | 第78-80页 |
| 7.1 总结 | 第78页 |
| 7.2 未来工作 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻硕期间参与项目及论文情况 | 第86页 |