| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7页 |
| 1.1.2 研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 用户偏好分析研究现状 | 第8-9页 |
| 1.2.2 评论选择算法研究现状 | 第9-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 用户偏好建模和评论选择算法简介 | 第13-27页 |
| 2.1 传统的用户偏好模型简介 | 第13-20页 |
| 2.1.1 用户偏好的定义 | 第13-14页 |
| 2.1.2 用户偏好的描述 | 第14-17页 |
| 2.1.3 用户偏好模型算法简介 | 第17-20页 |
| 2.2 基于观点多样性准则的评论选择算法 | 第20-23页 |
| 2.2.1 文本内容多样性定义 | 第21-22页 |
| 2.2.2 观点多样化评论选择算法 | 第22-23页 |
| 2.3 Skip-gram模型简介 | 第23-26页 |
| 2.3.1 基于HierarchicalSoftmax的Skip-gram模型 | 第24-25页 |
| 2.3.2 基于NegativeSampling的Skip-gram模型 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于多模型的用户偏好构建 | 第27-39页 |
| 3.1 基于多模型的相关定义 | 第27-30页 |
| 3.1.1 用户偏好定义 | 第27-28页 |
| 3.1.2 商品属性评价定义 | 第28-29页 |
| 3.1.3 商品总体评价定义 | 第29页 |
| 3.1.4 商品属性正向评价指数 | 第29-30页 |
| 3.2 基于多模型的用户偏好构建 | 第30-35页 |
| 3.2.1 数据预处理 | 第30-31页 |
| 3.2.2 语义特征词提取 | 第31-33页 |
| 3.2.3 领域字典构建 | 第33页 |
| 3.2.4 基于多模型的用户偏好表示 | 第33-35页 |
| 3.3 基于多模型的商品属性评价模型构建 | 第35-37页 |
| 3.4 模型性能评估 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 改进评论选择算法 | 第39-44页 |
| 4.1 评论选择算法设计 | 第39-41页 |
| 4.1.1 算法基本思想 | 第39-40页 |
| 4.1.2 算法的标准输入输出 | 第40-41页 |
| 4.2 算法实现 | 第41-42页 |
| 4.2.1 算法流程图 | 第41-42页 |
| 4.2.2 算法实现步骤 | 第42页 |
| 4.3 算法性能评估 | 第42-43页 |
| 4.3.1 时间复杂度 | 第42-43页 |
| 4.3.2 评论选择准确率和效率 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 个性化的网络商品评论选择的实现 | 第44-55页 |
| 5.1 数据的获取 | 第44页 |
| 5.2 相关模型的实现与应用 | 第44-52页 |
| 5.2.1 数据预处理 | 第44-45页 |
| 5.2.2 语义特征词提取 | 第45-46页 |
| 5.2.3 构建领域字典 | 第46-48页 |
| 5.2.4 用户偏好模型实现 | 第48页 |
| 5.2.5 商品属性评价模型实现 | 第48-50页 |
| 5.2.6 实现个性化的网络商品评论选择 | 第50-52页 |
| 5.3 实验结果分析 | 第52-54页 |
| 5.3.1 模型性能分析 | 第52-53页 |
| 5.3.2 个性化评论选择算法性能分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间参加科研情况及获得的学术成果 | 第62-63页 |