| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·产品评论数据的研究背景 | 第9-10页 |
| ·产品评论数据的研究意义 | 第10-11页 |
| ·产品评论数据研究的理论意义 | 第10-11页 |
| ·产品评论数据研究的实际意义 | 第11页 |
| ·产品评论数据处理的国内外研究现状 | 第11-13页 |
| ·产品评论大数据的研究内容及方法 | 第13-14页 |
| ·产品评论大数据的研究内容 | 第13-14页 |
| ·产品评论大数据的研究方法 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 产品评论大数据挖掘与处理的相关技术基础 | 第17-31页 |
| ·大数据处理的关键技术 | 第17-20页 |
| ·Hadoop的总体框架 | 第17-18页 |
| ·基于Map Reduce的数据处理过程 | 第18-19页 |
| ·基于HDFS分布式文件系统的存取原理 | 第19-20页 |
| ·产品评论数据抓取的关键技术 | 第20-23页 |
| ·Nutch的系统布局 | 第20-21页 |
| ·Nutch的工作原理 | 第21-23页 |
| ·评论网页数据中评论语句的抽取 | 第23-25页 |
| ·产品评论网页数据的预处理技术 | 第23-24页 |
| ·产品评论语句的清洗 | 第24页 |
| ·产品评论数据获取结果评价 | 第24-25页 |
| ·实验测试分析 | 第25-30页 |
| ·实验平台构建 | 第25-29页 |
| ·实验结果分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于MAPREDUCE的产品评论数据聚类 | 第31-44页 |
| ·基于VSM的评论语句相似度计算 | 第32-35页 |
| ·特征词的选择 | 第32-33页 |
| ·评论文本的向量表示 | 第33页 |
| ·特征权重的计算 | 第33-34页 |
| ·评论语句的相似性计算 | 第34-35页 |
| ·聚类算法设计 | 第35-38页 |
| ·K-means算法 | 第35-37页 |
| ·Canopy算法 | 第37-38页 |
| ·基于Map Reduce的聚类算法设计与实现 | 第38-42页 |
| ·基于Map Reduce的Canopy聚类算法实现 | 第39-40页 |
| ·基于Map Reduce的K-means聚类算法实现 | 第40-42页 |
| ·实验设计 | 第42-43页 |
| ·实验环境 | 第42页 |
| ·实验过程 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于产品属性的评论语句观点提取 | 第44-66页 |
| ·评论语句的词法结构分析 | 第45-48页 |
| ·产品评论语句的划分 | 第45-46页 |
| ·评论语句的词性标注 | 第46-47页 |
| ·评论语句的句法结构分析 | 第47-48页 |
| ·属性词识别 | 第48-54页 |
| ·名词短语的标注 | 第49页 |
| ·最大熵原理 | 第49-51页 |
| ·特征集的选取 | 第51-52页 |
| ·最优特征参数和最优模型的求解 | 第52页 |
| ·基于最大熵模型的名词短语识别 | 第52-53页 |
| ·属性无关词过滤 | 第53-54页 |
| ·评价词的极性分析和属性词的观点提取 | 第54-60页 |
| ·极性词典的构建 | 第54-57页 |
| ·评价词的极性分析 | 第57-59页 |
| ·属性词的评价观点提取 | 第59-60页 |
| ·观点的整合 | 第60-64页 |
| ·属性词的相似度计算 | 第61-62页 |
| ·评论摘要的生成 | 第62-63页 |
| ·评价摘要的质量评价 | 第63-64页 |
| ·提取结果评估 | 第64页 |
| ·本章总结 | 第64-66页 |
| 第5章 应用测试分析 | 第66-71页 |
| ·XX净水器的评论语句观点分析 | 第66-68页 |
| ·评论语句的应用分析 | 第68-69页 |
| ·评论语句的应用举例 | 第69页 |
| ·本章总结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80页 |