基于用户评论数据挖掘的网商信用度实证研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-23页 |
| 1.1 研究背景、目的及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究目的 | 第9页 |
| 1.1.3 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 国内研究现状 | 第10-16页 |
| 1.2.2 国外研究现状 | 第16-17页 |
| 1.2.3 国内外研究述评 | 第17-18页 |
| 1.3 研究思路 | 第18-20页 |
| 1.4 研究内容与方法 | 第20-21页 |
| 1.4.1 研究内容 | 第20页 |
| 1.4.2 研究方法 | 第20-21页 |
| 1.5 创新点 | 第21-23页 |
| 第2章 理论基础 | 第23-36页 |
| 2.1 概念 | 第23-27页 |
| 2.1.1 用户评论的含义与特征 | 第23-25页 |
| 2.1.2 网商的定义与内涵 | 第25-26页 |
| 2.1.3 网商信用度的概念 | 第26-27页 |
| 2.2 数据挖掘模型 | 第27-36页 |
| 2.2.1 LDA主题模型 | 第27-32页 |
| 2.2.2 决策树算法 | 第32-33页 |
| 2.2.3 贝叶斯算法 | 第33-36页 |
| 第3章 网商信用度影响因素的获取过程 | 第36-47页 |
| 3.1 网商信用度影响因素指标的设定原则 | 第36页 |
| 3.2 数据来源与预处理 | 第36-39页 |
| 3.2.1 数据的采集 | 第37页 |
| 3.2.2 数据的清洗 | 第37-38页 |
| 3.2.3 文本评论数据的分词处理 | 第38-39页 |
| 3.2.4 数据的转化 | 第39页 |
| 3.3 网商信用度影响因素的挖掘 | 第39-46页 |
| 3.3.1 LDA主题挖掘 | 第39-41页 |
| 3.3.2 网商信用度影响因素的确定与内涵分析 | 第41-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 网商信用度影响因素的实证研究 | 第47-64页 |
| 4.1 情感分析 | 第47-52页 |
| 4.1.1 构建属性词表 | 第48-49页 |
| 4.1.2 用户评论的抽取 | 第49页 |
| 4.1.3 用户评论的量化与赋值 | 第49-52页 |
| 4.2 网商信用度一级影响因素权重次序的挖掘 | 第52-57页 |
| 4.2.1 挖掘模型的创建 | 第53页 |
| 4.2.2 模型的准确性验证 | 第53-55页 |
| 4.2.3 挖掘结果与分析 | 第55-57页 |
| 4.3 网商信用度二级影响因素权重次序的挖掘 | 第57-61页 |
| 4.3.1 挖掘模型的创建 | 第57-58页 |
| 4.3.2 挖掘模型的训练 | 第58页 |
| 4.3.3 挖掘模型的准确性验证 | 第58-60页 |
| 4.3.4 挖掘结果与分析 | 第60-61页 |
| 4.4 网商信用度影响因素权重次序的确定 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 提升网商信用度的建议与对策 | 第64-70页 |
| 5.1 提高商品质量 | 第64-65页 |
| 5.2 构建智慧物流体系 | 第65-67页 |
| 5.3 提高网商综合管理能力 | 第67-68页 |
| 5.4 打造品牌信用 | 第68-69页 |
| 5.5 构建良好网商交易生态环境 | 第69页 |
| 5.6 本章小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 6.1 研究结论 | 第70-71页 |
| 6.2 未来展望与不足之处 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表论文 | 第79-80页 |
