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--检索机论文

面向消费者情感分析的推荐系统的研究与实现

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-15页
    1.1 研究背景和意义第9-11页
    1.2 国内外研究现状第11-13页
        1.2.1 国外研究现状第11-12页
        1.2.2 国内研究现状第12-13页
    1.3 主要研究内容第13页
    1.4 论文的组织结构第13-15页
第2章 相关技术与算法理论基础第15-23页
    2.1 HDFS并发存储架构与Map-Reduce模型第15-17页
        2.1.1 HDFS架构第15-16页
        2.1.2 MapReduce模型第16-17页
    2.2 SVM算法简介第17-22页
        2.2.1 线性可分情况第18-19页
        2.2.2 线性不可分情况第19-21页
        2.2.3 核函数第21-22页
    2.3 本章小结第22-23页
第3章 SVM算法研究及改进第23-33页
    3.1 SVM算法改进第23-29页
        3.1.1 线性可分情况第23-26页
        3.1.2 线性不可分的情况第26-29页
    3.2 SVM改进算法性能分析第29-32页
        3.2.1 改进型算法与原始算法的准确率对比第30-31页
        3.2.2 改进型算法与原始算法时间消耗对比第31-32页
    3.3 本章小结第32-33页
第4章 消费者情感分析系统的设计与实现第33-53页
    4.1 系统总体设计第33-42页
        4.1.1 系统需求分析第33-34页
        4.1.2 系统功能介绍第34-36页
        4.1.3 系统总体结构第36-42页
    4.2 数据预处理模块的设计与实现第42-45页
        4.2.1 评论类信息分词第42-43页
        4.2.2 数据向量化第43-45页
    4.3 大数据处理模块的设计与实现第45-50页
        4.3.1 HDFS存储结构的部署与节点划分第45-47页
        4.3.2 Map-Reduce模型的设计与实现第47-50页
    4.4 结果输出模块的设计与实现第50-51页
    4.5 本章小结第51-53页
第5章 实验结果及性能分析第53-57页
    5.1 实验环境第53页
    5.2 数据结果与评价分析第53-55页
        5.2.1 新老版本系统耗时对比实验第53-54页
        5.2.2 新老版本系统正确率对比实验第54-55页
    5.3 本章小结第55-57页
结论第57-59页
    主要工作总结第57页
    本课题的不足之处第57-58页
    未来工作展望第58-59页
参考文献第59-63页
攻读硕士学位期间所发表的学术论文第63-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:认知语言学视角下的英汉心理使役动词对比研究
下一篇:中美可口可乐视频广告的多模态话语对比分析