基于层次化AP聚类的商品评论数据标签化
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 课题的研究背景与意义 | 第11-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 评论数据特征信息抽取研究现状 | 第13-15页 |
| 1.2.2 聚类方法研究现状 | 第15-16页 |
| 1.3 研究路线和方法 | 第16-20页 |
| 1.3.1 特征信息的抽取 | 第16-17页 |
| 1.3.2 特征信息的聚类分析及标签化 | 第17页 |
| 1.3.3 研究结构图 | 第17-20页 |
| 1.4 本文的组织结构 | 第20-22页 |
| 第二章 相关技术 | 第22-31页 |
| 2.1 语料处理 | 第22-25页 |
| 2.1.1 分词 | 第22-23页 |
| 2.1.2 词性标注 | 第23-25页 |
| 2.1.3 依存句法分析 | 第25页 |
| 2.2 聚类 | 第25-30页 |
| 2.2.1 基于划分的聚类算法 | 第26页 |
| 2.2.2 基于层次的聚类算法 | 第26-28页 |
| 2.2.3 基于密度的聚类算法 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 评论数据特征信息抽取模型及算法 | 第31-39页 |
| 3.1 评论数据特征信息的内涵定义 | 第31-33页 |
| 3.2 特征信息抽取模型 | 第33-36页 |
| 3.2.1 属性值抽取 | 第33-35页 |
| 3.2.2 词性及依存句法模版抽取 | 第35-36页 |
| 3.3 特征信息抽取算法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 特征词聚类标签化模型 | 第39-45页 |
| 4.1 聚类 | 第39页 |
| 4.2 K-means聚类 | 第39-40页 |
| 4.3 AP聚类 | 第40-41页 |
| 4.4 基于层次化AP聚类的标签化模型 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 实验与讨论 | 第45-70页 |
| 5.1 数据抓取 | 第45-50页 |
| 5.1.1 评论信息抽取 | 第47-49页 |
| 5.1.2 词向量模型训练语料 | 第49页 |
| 5.1.3 聚类标签化测评语料 | 第49-50页 |
| 5.2 词向量训练 | 第50-54页 |
| 5.2.1 分词 | 第50-51页 |
| 5.2.2 去噪整合 | 第51-53页 |
| 5.2.3 使用word2vec训练词向量 | 第53-54页 |
| 5.3 特征信息抽取 | 第54-61页 |
| 5.3.1 属性值抽取 | 第54-59页 |
| 5.3.1.1 词性 | 第54-55页 |
| 5.3.1.2 种子词典 | 第55-56页 |
| 5.3.1.3 词性和种子词典的权重赋值 | 第56-59页 |
| 5.3.2 词性及依存句法模版抽取 | 第59页 |
| 5.3.3 特征信息抽取结果 | 第59-61页 |
| 5.4 基于层次化AP聚类的特征信息标签化 | 第61-69页 |
| 5.4.1 一次聚类 | 第61-63页 |
| 5.4.2 二次聚类 | 第63-64页 |
| 5.4.3 实验结果 | 第64页 |
| 5.4.4 评价标准 | 第64-66页 |
| 5.4.5 评价分析和结论 | 第66-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的论文 | 第77-78页 |
| 致谢 | 第78页 |
