| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 网页正文提取 | 第10-11页 |
| 1.1.2 网络新词识别 | 第11-12页 |
| 1.1.3 产品特征提取 | 第12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 网页正文提取 | 第12-13页 |
| 1.2.2 新词识别 | 第13-14页 |
| 1.2.3 特征聚类 | 第14-15页 |
| 1.3 本文研究内容及意义 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究意义 | 第15-16页 |
| 1.4 本文安排 | 第16-17页 |
| 第2章 相关知识 | 第17-24页 |
| 2.1 文本挖掘概念 | 第17页 |
| 2.2 TF-IDF与LDA | 第17-20页 |
| 2.2.1 TF-IDF简介 | 第17-19页 |
| 2.2.2 LDA简介 | 第19-20页 |
| 2.3 互信息简介 | 第20页 |
| 2.4 关联规则 | 第20-21页 |
| 2.4.1 Apriori算法简介 | 第20-21页 |
| 2.4.2 FP-Growth算法简介 | 第21页 |
| 2.5 《同义词词林》与特征相似度计算 | 第21-23页 |
| 2.5.1 《同义词词林》简介 | 第21-22页 |
| 2.5.2 相似度计算方法 | 第22-23页 |
| 2.6 字符模式匹配 | 第23页 |
| 2.7 本章小结 | 第23-24页 |
| 第3章 基于统计的复杂网页正文提取方法 | 第24-36页 |
| 3.1 网页正文提取流程 | 第24页 |
| 3.2 网页信息重构 | 第24-26页 |
| 3.3 文本长度最优阈值 | 第26-28页 |
| 3.4 文本行号区间 | 第28-29页 |
| 3.5 利用公共子序列优化网页正文提取 | 第29-32页 |
| 3.6 实验与分析 | 第32-35页 |
| 3.6.1 文本长度最优阈值的获取 | 第32-34页 |
| 3.6.2 网页正文提取方法评价 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第4章 基于高频一元词的中文新词识别方法 | 第36-44页 |
| 4.1 本章新词识别方法简介 | 第36页 |
| 4.2 新词识别的基本流程 | 第36页 |
| 4.3 新词识别的准备工作 | 第36-38页 |
| 4.3.1 文本预处理 | 第37页 |
| 4.3.2 生成结构化文本 | 第37-38页 |
| 4.3.3 获取一元词集合 | 第38页 |
| 4.4 新词识别规则——优先与高频N元词结合、仅允许高频一元词扩展 | 第38-41页 |
| 4.5 实验 | 第41-43页 |
| 4.5.1 实验数据 | 第41-42页 |
| 4.5.2 实验环境 | 第42页 |
| 4.5.3 实验结果与分析 | 第42-43页 |
| 4.6 实验软件截图 | 第43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 在线评论中的产品特征聚类研究 | 第44-50页 |
| 5.1 本章安排 | 第44页 |
| 5.2 产品特征提取 | 第44-45页 |
| 5.3 产品特征聚类 | 第45-47页 |
| 5.3.1 “分配”过程算法描述 | 第45-47页 |
| 5.3.2 “转移”过程算法 | 第47页 |
| 5.3.3 算法复杂度分析 | 第47页 |
| 5.4 实验及分析 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 WEB文本挖掘若干关键问题研究在机电产品在线评测中的应用 | 第50-56页 |
| 6.1 网页正文提取在机电产品中在线评测中的应用 | 第50-51页 |
| 6.2 基于高频一元词的新词识别在机电产品在线评测中的应用 | 第51-52页 |
| 6.3 产品在线评论中的特征聚类在机电产品在线评测中的应用 | 第52-55页 |
| 6.4 本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间所开展的科研项目和发表的学术论文 | 第63页 |
