| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究问题、内容和方法 | 第12-15页 |
| 1.2.1 研究问题 | 第12-13页 |
| 1.2.2 基本概念 | 第13-14页 |
| 1.2.3 研究内容 | 第14-15页 |
| 1.2.4 研究方法 | 第15页 |
| 1.3 研究创新点 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 2 相关理论基础 | 第17-29页 |
| 2.1 物流服务质量 | 第17-25页 |
| 2.1.1 物流服务质量的定义 | 第17-18页 |
| 2.1.2 物流服务质量的构成要素 | 第18-24页 |
| 2.1.3 B2C环境下的物流服务质量 | 第24-25页 |
| 2.2 顾客回购行为 | 第25-26页 |
| 2.3 大数据环境下的文本分析 | 第26-29页 |
| 2.3.1 大数据的研究方法 | 第26页 |
| 2.3.2 大数据的文本分析 | 第26-29页 |
| 3 B2C平台中物流服务评论的关联挖掘 | 第29-35页 |
| 3.1 关联规则概述 | 第29-31页 |
| 3.1.1 关联规则的的基本概念 | 第29-30页 |
| 3.1.2 关联规则挖掘步骤 | 第30页 |
| 3.1.3 关联规则的相关性分析 | 第30-31页 |
| 3.2 B2C平台中物流服务评论的关联规则 | 第31-35页 |
| 3.2.1 B2C平台中物流服务评论的关联模型 | 第31-32页 |
| 3.2.2 B2C平台中物流服务评论的关联性指标 | 第32-33页 |
| 3.2.3 B2C平台中物流服务评论的关联挖掘算法 | 第33-35页 |
| 4 京东女装在线评论数据获取和处理 | 第35-57页 |
| 4.1 京东女装在线评论数据获取 | 第35-44页 |
| 4.1.1 Web信息抓取技术 | 第35-36页 |
| 4.1.2 京东女装在线评论数据获取的方法 | 第36-44页 |
| 4.1.3 京东女装在线评论数据基本介绍 | 第44页 |
| 4.2 京东女装在线评论数据清理 | 第44-46页 |
| 4.2.1 京东女装在线数据缺失值处理 | 第45页 |
| 4.2.2 京东女装在线数据中有效数据的提取方法 | 第45-46页 |
| 4.3 京东女装在线数据处理 | 第46-57页 |
| 4.3.1 京东女装在线评论数据预处理 | 第47页 |
| 4.3.2 京东女装在线评论数据分词处理 | 第47-52页 |
| 4.3.3 京东女装在线评论数据词频统计 | 第52-53页 |
| 4.3.4 京东女装在线评论数据文本情感计算 | 第53-57页 |
| 5 京东女装在线评论数据分析结果和讨论 | 第57-77页 |
| 5.1 京东女装在线评论矩阵的生成 | 第57-62页 |
| 5.1.1 顾客关注的物流服务要素 | 第57-59页 |
| 5.1.2 常见的顾客购买后行为 | 第59-61页 |
| 5.1.3 在线评论关联矩阵的生成 | 第61-62页 |
| 5.2 京东女装在线评论的关联规则 | 第62-70页 |
| 5.2.1 京东女装在线评论的关联挖掘 | 第62-65页 |
| 5.2.2 顾客回购行为与物流服务要素间的关联规则 | 第65-66页 |
| 5.2.3 顾客推荐行为与物流服务要素间的关联规则 | 第66-68页 |
| 5.2.4 物流服务要素之间关联的规则 | 第68-70页 |
| 5.3 提高参数的关联规则 | 第70-77页 |
| 5.3.1 调节支持度的关联规则 | 第70-72页 |
| 5.3.2 调节置信度的关联规则 | 第72-74页 |
| 5.3.3 调节支持度和置信度的关联规则 | 第74-77页 |
| 6 结论和展望 | 第77-79页 |
| 6.1 研究结论 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-87页 |
| 攻读学位期间的科研成果 | 第87-89页 |
| 致谢 | 第89页 |
