基于情感分析的个性化推荐研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-19页 |
| 1.2.1 情感分析研究现状 | 第13-17页 |
| 1.2.2 个性化推荐研究现状 | 第17-19页 |
| 1.3 研究内容与方法 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 研究方法 | 第20-21页 |
| 1.4 本文的创新点和难点 | 第21-23页 |
| 1.4.1 本文的创新点 | 第21页 |
| 1.4.2 本文的重难点 | 第21-23页 |
| 2 情感分析及个性化推荐概述 | 第23-31页 |
| 2.1 情感分析 | 第23-26页 |
| 2.1.1 情感分析的定义 | 第23页 |
| 2.1.2 不同粒度的情感分析 | 第23-24页 |
| 2.1.3 情感分析一般过程 | 第24-25页 |
| 2.1.4 情感分析的应用 | 第25-26页 |
| 2.2 个性化推荐技术 | 第26-31页 |
| 2.2.1 协同过滤推荐算法 | 第27-29页 |
| 2.2.2 基于关联规则的推荐算法 | 第29-30页 |
| 2.2.3 基于内容的推荐滤算法 | 第30-31页 |
| 3 情感分析的主要方法与技术 | 第31-39页 |
| 3.1 基本定义与任务描述 | 第31-32页 |
| 3.1.1 基本定义 | 第31-32页 |
| 3.1.2 任务描述 | 第32页 |
| 3.2 评价对象抽取及聚类技术 | 第32-36页 |
| 3.2.1 评价对象-情感词对抽取 | 第32-35页 |
| 3.2.2 特征词聚类 | 第35-36页 |
| 3.3 情感计算方法 | 第36-39页 |
| 3.3.1 基于情感词典的极性判别方法 | 第36-37页 |
| 3.3.2 情感倾向强度计算方法 | 第37-39页 |
| 4 基于情感分析的个性化推荐模型 | 第39-45页 |
| 4.1 整体框架 | 第39-40页 |
| 4.2 用户评论情感分析 | 第40-43页 |
| 4.2.1 数据预处理 | 第40-41页 |
| 4.2.2 特征词-情感词对提取 | 第41-42页 |
| 4.2.3 项目特征分值计算 | 第42-43页 |
| 4.3 推荐方法 | 第43-45页 |
| 4.3.1 用户相似度计算 | 第43页 |
| 4.3.2 用户聚类 | 第43-44页 |
| 4.3.3 项目推荐生成 | 第44-45页 |
| 5 实证研究 | 第45-58页 |
| 5.1 数据收集与处理 | 第45-49页 |
| 5.2 用户评论特征词-情感词对抽取 | 第49-50页 |
| 5.3 基于词典的产品特征聚类 | 第50-52页 |
| 5.4 属性特征情感分值 | 第52-53页 |
| 5.5 用户相似度计算和聚类结果 | 第53-55页 |
| 5.6 结果分析与讨论 | 第55-58页 |
| 6 总结和未来展望 | 第58-60页 |
| 6.1 研究总结 | 第58页 |
| 6.2 研究不足与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
