基于决策粗糙集的web短文本挖掘模型
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题的背景和意义 | 第9-10页 |
| 1.2 相关理论和技术的国内外发展情况 | 第10-12页 |
| 1.2.1 粗糙集的国内外发展状况 | 第10-11页 |
| 1.2.2 Web中文文本挖掘现状 | 第11-12页 |
| 1.3 本论文的相关工作内容 | 第12-13页 |
| 1.3.1 主要研究工作 | 第12页 |
| 1.3.2 独创或新颖之处 | 第12-13页 |
| 1.4 论文的主要结构 | 第13-14页 |
| 第二章 粗糙集与文本挖掘 | 第14-24页 |
| 2.1 粗糙集理论及其扩展模型 | 第14-16页 |
| 2.1.1 Pawlak粗糙集主要理论 | 第14页 |
| 2.1.2 属性约简算法 | 第14-16页 |
| 2.1.3 粗糙集模型的扩展 | 第16页 |
| 2.2 决策粗糙集 | 第16-19页 |
| 2.2.1 决策粗糙集正域、负域、边界域划分 | 第17页 |
| 2.2.2 阈值计算 | 第17-18页 |
| 2.2.3 属性约简算法 | 第18-19页 |
| 2.3 web文本挖掘理论概述 | 第19-21页 |
| 2.3.1 web文本挖掘过程 | 第19页 |
| 2.3.2 web文本挖掘技术 | 第19-21页 |
| 2.4 粗糙集在文本挖掘中的应用 | 第21-22页 |
| 2.4.1 数据约简 | 第21-22页 |
| 2.4.2 分类算法 | 第22页 |
| 2.4.3 聚类分析 | 第22页 |
| 2.4.4 规则提取 | 第22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于决策粗糙集的web短文本挖掘模型 | 第24-30页 |
| 3.1 微博文本、在线评论等短文本的特点 | 第24页 |
| 3.2 基于决策粗糙集的web短文本分析系统模型 | 第24-26页 |
| 3.2.1 系统模型 | 第24-26页 |
| 3.3 基于向量空间的有序二元组文本表示 | 第26-28页 |
| 3.3.1 模型概念 | 第26-27页 |
| 3.3.2 文本距离计算 | 第27-28页 |
| 3.4 观点句情感趋向性分析 | 第28页 |
| 3.5 基于决策粗糙集的观点句识别 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 商品的在线评论分析系统 | 第30-40页 |
| 4.1 商品的在线评论分析的意义 | 第30页 |
| 4.2 分析商品在线评价(评论)的特点 | 第30-31页 |
| 4.2.1 短文本 | 第30-31页 |
| 4.2.2 评论文本感情倾向明显 | 第31页 |
| 4.2.3 交互性、反馈性 | 第31页 |
| 4.2.4 匿名性 | 第31页 |
| 4.3 基于决策粗糙集的评论分析系统的实现 | 第31-38页 |
| 4.3.1 评论的获取 | 第31-32页 |
| 4.3.2 数据预处理 | 第32-33页 |
| 4.3.3 构建有序二元向量空间模型 | 第33-34页 |
| 4.3.4 基于决策粗糙集的情感倾向分析 | 第34-36页 |
| 4.3.5 构建新的信息表 | 第36页 |
| 4.3.6 利用决策粗糙集理论聚类分析 | 第36-37页 |
| 4.3.7 基于三支决策的评论等级划分 | 第37-38页 |
| 4.4 实验结果分析 | 第38-39页 |
| 4.4.1 评价参数 | 第38页 |
| 4.4.2 实验结果 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 总结与展望 | 第40-41页 |
| 5.1 工作总结 | 第40页 |
| 5.2 不足之处 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 攻读硕士学位期间参加的科研项目 | 第45页 |
