在线商品评论有用性预测及影响因素研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 问题提出 | 第15-16页 |
| 1.3 研究目的及意义 | 第16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 1.4.1 课题来源 | 第16-17页 |
| 1.4.2 主要研究内容 | 第17页 |
| 1.5 论文架构 | 第17-18页 |
| 1.6 小结 | 第18-20页 |
| 第二章 在线商品评论相关综述 | 第20-30页 |
| 2.1 在线评论的基本理论 | 第20-22页 |
| 2.1.1 在线评论含义 | 第20-21页 |
| 2.1.2 在线评论的传播过程 | 第21页 |
| 2.1.3 在线评论的传播因素 | 第21-22页 |
| 2.1.4 在线评论的测量维度 | 第22页 |
| 2.2 在线评论的相关理论 | 第22-24页 |
| 2.2.1 信息过载与决策导向理论 | 第22-23页 |
| 2.2.2 归因理论 | 第23页 |
| 2.2.3 顾客感知理论 | 第23-24页 |
| 2.3 预测在线评论有用性的相关研究 | 第24-29页 |
| 2.3.1 径向基函数模型 | 第24-25页 |
| 2.3.2 多层神经网络算法 | 第25-27页 |
| 2.3.3 概率分布和置信度 | 第27-28页 |
| 2.3.4 多元线性回归模型 | 第28-29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 在线商品评论有用性预测模型及影响因素研究 | 第30-40页 |
| 3.1 引言 | 第30-32页 |
| 3.2 研究方法 | 第32-34页 |
| 3.2.1 属性获取 | 第32-33页 |
| 3.2.2 模型构建 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 3.3.1 实验数据 | 第34页 |
| 3.3.2 变量的初步分析 | 第34-35页 |
| 3.3.3 主属性分析 | 第35-37页 |
| 3.3.4 子属性分析 | 第37-38页 |
| 3.3.5 基分类模型对比 | 第38-39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 RRS-L模型的自变量冗余性分析 | 第40-49页 |
| 4.1 引言 | 第40-41页 |
| 4.2 研究方法 | 第41-42页 |
| 4.2.1 线性相关性考察 | 第41-42页 |
| 4.2.2 选取对比实验 | 第42页 |
| 4.3 实验结果及分析 | 第42-48页 |
| 4.3.1 子属性分析 | 第43-44页 |
| 4.3.2 模型改进 | 第44-47页 |
| 4.3.3 二分类模型对比 | 第47-48页 |
| 4.4 小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文总结 | 第49-50页 |
| 5.2 未来展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
