| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-22页 |
| 1.1 研究背景及问题 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究问题 | 第13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.2.1 理论研究意义 | 第13-14页 |
| 1.2.2 实践研究意义 | 第14页 |
| 1.3 相关研究综述 | 第14-19页 |
| 1.3.1 产品质量评价研究 | 第14-15页 |
| 1.3.2 数据挖掘与产品质量评价 | 第15-16页 |
| 1.3.3 在线评论与产品的相关研究 | 第16-18页 |
| 1.3.4 文献述评 | 第18-19页 |
| 1.4 研究内容及创新点 | 第19-20页 |
| 1.5 论文结构安排 | 第20-22页 |
| 2 相关理论与方法介绍 | 第22-29页 |
| 2.1 产品质量概念介绍 | 第22-24页 |
| 2.2 机器学习理论与方法 | 第24-27页 |
| 2.2.1 机器学习概述 | 第24-25页 |
| 2.2.2 机器学习算法概述 | 第25-26页 |
| 2.2.3 机器学习工具 | 第26-27页 |
| 2.3 文本挖掘理论与方法 | 第27-29页 |
| 2.3.1 文本挖掘概述 | 第27页 |
| 2.3.2 文本挖掘的流程 | 第27-29页 |
| 3 基于Word2Vec+KNN的T产品质量评价指标提取 | 第29-44页 |
| 3.1 问题描述 | 第29页 |
| 3.2 T产品选取 | 第29-30页 |
| 3.3 T产品质量构成维度分析 | 第30-31页 |
| 3.4 基于Word2Vec+KNN的质量指标提取算法 | 第31-37页 |
| 3.4.1 Word2Vec介绍 | 第31-33页 |
| 3.4.2 KNN介绍 | 第33-34页 |
| 3.4.3 种子词选取 | 第34-35页 |
| 3.4.4 质量指标提取算法 | 第35-37页 |
| 3.5 T产品质量评价指标提取 | 第37-43页 |
| 3.5.1 数据准备 | 第37-39页 |
| 3.5.2 T产品质量评价指标 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于SVM的T产品质量评价模型 | 第44-63页 |
| 4.1 问题描述 | 第44页 |
| 4.2 特征与数据 | 第44-48页 |
| 4.2.1 特征选择 | 第44-45页 |
| 4.2.2 数据准备 | 第45-46页 |
| 4.2.3 数据量化算法 | 第46-48页 |
| 4.3 基于SVM的T产品质量评价模型 | 第48-55页 |
| 4.3.1 SVM模型构建 | 第48-49页 |
| 4.3.2 参数寻优 | 第49-51页 |
| 4.3.3 模型训练与验证 | 第51-54页 |
| 4.3.4 初始模型存在的问题 | 第54-55页 |
| 4.4 基于代价敏感的SVM模型修正 | 第55-60页 |
| 4.4.1 样本不平衡问题 | 第55-56页 |
| 4.4.2 基于代价敏感的SVM模型 | 第56-58页 |
| 4.4.3 模型修正 | 第58-60页 |
| 4.5 模型对比分析 | 第60-62页 |
| 4.5.1 对比模型介绍 | 第60-61页 |
| 4.5.2 模型对比 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 T产品质量评价及应用研宄 | 第63-81页 |
| 5.1 问题描述 | 第63页 |
| 5.2 T产品质量评价 | 第63-69页 |
| 5.2.1 数据基本特征 | 第63-65页 |
| 5.2.2 整体产品质量评价 | 第65页 |
| 5.2.3 各质量指标质量评价 | 第65-69页 |
| 5.3 T产品质量评价结果应用研宄 | 第69-78页 |
| 5.3.1 T产品质量抽检现状介绍 | 第69-71页 |
| 5.3.2 可比性分析 | 第71-74页 |
| 5.3.3 两种评价方案的比较分析 | 第74-78页 |
| 5.4 贼建议 | 第78-80页 |
| 5.4.1 质量监督工作建议 | 第78-80页 |
| 5.4.2 电商平台管理建议 | 第80页 |
| 5.5 本章小结 | 第80-81页 |
| 6 研究总结与展望 | 第81-84页 |
| 6.1 研究总结 | 第81-82页 |
| 6.2 研宄展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 附录 | 第90页 |