| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 用户画像研究现状 | 第13-14页 |
| 1.2.2 用户兴趣提取研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文的组织安排 | 第16-18页 |
| 第二章 相关技术 | 第18-32页 |
| 2.1 用户兴趣文档 | 第18-22页 |
| 2.1.1 基于加权关键词的用户兴趣文档 | 第18-19页 |
| 2.1.2 基于语义网络的用户兴趣文档 | 第19-20页 |
| 2.1.3 基于加权概念的用户兴趣文档 | 第20-22页 |
| 2.1.4 基于混合表示的用户兴趣文档 | 第22页 |
| 2.2 层次概念集的构建 | 第22-24页 |
| 2.2.1 手动构建层次概念集 | 第23页 |
| 2.2.2 通过机器学习构建层次概念集 | 第23页 |
| 2.2.3 利用外部分类层次构建层次概念集 | 第23-24页 |
| 2.3 情感分析 | 第24-26页 |
| 2.3.1 “特征-情感词”对法 | 第25-26页 |
| 2.3.2 基于向量空间法 | 第26页 |
| 2.4 文本层次分类 | 第26-30页 |
| 2.4.1 常见基分类器 | 第27-28页 |
| 2.4.2 层次分类方法 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于情感分析的关键字兴趣提取方法 | 第32-42页 |
| 3.1 基于情感词对的关键字兴趣提取 | 第32-36页 |
| 3.1.1 关键字兴趣提取流程 | 第32-33页 |
| 3.1.2 特征选择 | 第33页 |
| 3.1.3 情感词对提取 | 第33-34页 |
| 3.1.4 情感分析 | 第34-35页 |
| 3.1.5 兴趣权重的计算 | 第35-36页 |
| 3.2 方法评估 | 第36-40页 |
| 3.2.1 实验数据 | 第36-37页 |
| 3.2.2 特征提取方法评估 | 第37-38页 |
| 3.2.3 关键字兴趣评估 | 第38-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 基于文本情感倾向的概念兴趣提取方法 | 第42-58页 |
| 4.1 基于字符串匹配的层次概念集筛选 | 第42-45页 |
| 4.1.1 层次概念集的筛选 | 第42-44页 |
| 4.1.2 “版面-类别”匹配方法 | 第44-45页 |
| 4.2 基于文本情感倾向的概念兴趣提取方法 | 第45-50页 |
| 4.2.1 文本主题提取 | 第45-49页 |
| 4.2.2 文本情感倾向分析 | 第49-50页 |
| 4.2.3 兴趣权重的计算 | 第50页 |
| 4.3 方法评估 | 第50-56页 |
| 4.3.1 筛选效果 | 第50-51页 |
| 4.3.2 “版面-类别”匹配方法评估 | 第51页 |
| 4.3.3 分类方法评估 | 第51-54页 |
| 4.3.4 兴趣提取结果评估 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 用户画像的构建 | 第58-74页 |
| 5.1 维基百科数据的获取 | 第58-61页 |
| 5.1.1 利用HTML Parser获取类别从属关系 | 第58-60页 |
| 5.1.2 利用Wikipedia Extractor提取页面内容 | 第60-61页 |
| 5.2 分词工具的选择 | 第61-66页 |
| 5.2.1 常用分词工具 | 第61-63页 |
| 5.2.2 分词工具性能评估 | 第63-66页 |
| 5.3 文本分类的实现 | 第66-67页 |
| 5.4 画像构建流程与结果 | 第67-71页 |
| 5.4.1 画像构建整体流程 | 第67页 |
| 5.4.2 用户画像存储 | 第67-68页 |
| 5.4.3 用户画像结果 | 第68-71页 |
| 5.5 本章小结 | 第71-74页 |
| 第六章 总结与展望 | 第74-78页 |
| 6.1 本文工作总结 | 第74-75页 |
| 6.2 创新点 | 第75页 |
| 6.3 下一步工作 | 第75-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的学术论文 | 第86页 |