首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

基于评论挖掘的商品导购方法的研究与实现

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-11页
   ·研究背景及意义第7-8页
   ·国内外研究现状第8-9页
   ·研究的理论意义与创新第9-10页
   ·论文结构安排第10-11页
第二章 相关技术介绍第11-17页
   ·分析系统 ICTCLAS第11-12页
   ·知网 HowNet第12-13页
   ·关联规则第13-14页
   ·支持向量机第14-15页
   ·本章小结第15-17页
第三章 特征抽取第17-23页
   ·文本预处理第17-18页
   ·特征抽取第18-21页
     ·频繁特征抽取第18-19页
     ·剪枝第19-20页
     ·特征词词典构建第20-21页
   ·实验及结果分析第21-22页
   ·本章小结第22-23页
第四章 观点挖掘和情感分析第23-39页
   ·问题定义第23页
   ·情感词词典构建第23-26页
   ·观点挖掘 RSBV 算法的提出第26-30页
   ·基于 SVM 的情感分类第30-32页
   ·利用情感分类结果进行评论处理第32-34页
     ·特征优缺点摘要第32-33页
     ·推荐价值计算第33-34页
   ·实验及结果分析第34-37页
   ·本章小结第37-39页
第五章 代表性评论子集挖掘第39-51页
   ·问题定义第39-41页
   ·CRS 算法介绍第41-43页
     ·贪心算法第41-42页
     ·整数回归算法第42-43页
     ·迭代随机算法第43页
   ·CLRS 算法的提出第43-44页
   ·实验及结果分析第44-49页
     ·CLRS 算法代表性评论子集挖掘第44-45页
     ·CLRS 算法中 k 值的选择第45-46页
     ·CLRS 算法和迭代随机算法实验结果比较第46-47页
     ·CLRS 算法和迭代随机算法运行时间比较第47-49页
   ·本章小结第49-51页
第六章 系统原型实现第51-59页
   ·评论处理过程第51-53页
   ·评论处理结果展示第53-55页
   ·其他功能第55-57页
   ·本章小结第57-59页
第七章 总结与展望第59-61页
   ·本文总结第59-60页
   ·未来展望第60-61页
致谢第61-63页
参考文献第63-67页
研究成果第67-68页

论文共68页,点击 下载论文
上一篇:联合仿真系统的开发与研究
下一篇:基于智能手机的全景空间构建系统的设计与实现