移动软件评论数据分析技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究意义 | 第13-15页 |
| 1.3 前人研究成果 | 第15-18页 |
| 1.3.1 移动应用评论信息抽取技术研究 | 第16-17页 |
| 1.3.2 移动应用用户评论的分类研究 | 第17页 |
| 1.3.3 用户评论文本的情感分析 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第二章 数据分析技术理论概要 | 第20-25页 |
| 2.1 Web数据爬虫技术 | 第20页 |
| 2.2 开源大数据分析平台 | 第20-21页 |
| 2.3 数据分析算法理论 | 第21-23页 |
| 2.3.1 数据分类算法 | 第22页 |
| 2.3.2 数据聚类算法 | 第22页 |
| 2.3.3 关联分析算法 | 第22页 |
| 2.3.4 预测回归模型 | 第22-23页 |
| 2.4 数据分析应用领域 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于热点实体的APP评论分层模型SAR | 第25-41页 |
| 3.1 热点实体发现算法 | 第26-31页 |
| 3.1.1 文本实体抽取算法 | 第27-30页 |
| 3.1.2 APP开发规范实体构造 | 第30-31页 |
| 3.2 E-LDA评论分层建模 | 第31-36页 |
| 3.2.1 LDA话题模型 | 第31-33页 |
| 3.2.2 E-LDA话题模型 | 第33-36页 |
| 3.3 关于实体的用户情感计算 | 第36-40页 |
| 3.3.1 短文本情感计算算法 | 第37-38页 |
| 3.3.2 APP评论用户实体情感值计算 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于用户中文评论的移动软件安全检测方法 | 第41-49页 |
| 4.1 国内第三方应用商店评论爬取 | 第41-42页 |
| 4.2 APP评论研究方向综述 | 第42-44页 |
| 4.2.1 基于用户评论的移动APP推荐 | 第42-43页 |
| 4.2.2 基于评论数据的APP关联性分析 | 第43-44页 |
| 4.2.3 基于评论数据的APP用户情感计算 | 第44页 |
| 4.2.4 移动APP评论的特征信息自动化抽取 | 第44页 |
| 4.3 基于APP评论的应用安全风险检测 | 第44-48页 |
| 4.3.1 中文文本分词算法 | 第45-46页 |
| 4.3.2 TextRank关键词抽取算法 | 第46-47页 |
| 4.3.3 APP评论安全词典及应用安全检测 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 SAR模型实验和算法评估 | 第49-63页 |
| 5.1 具体移动APP实体发现案例 | 第52-53页 |
| 5.2 SAR模型具体应用 | 第53-58页 |
| 5.3 E-LDA模型检验 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 下一步研究工作 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
