文本评论数据质量分析方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的主要工作 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 2 文本处理相关技术 | 第17-27页 |
| 2.1 文本预处理技术 | 第17-18页 |
| 2.1.1 中文分词 | 第17-18页 |
| 2.1.2 词性标注 | 第18页 |
| 2.1.3 停用词处理 | 第18页 |
| 2.2 文本表示模型 | 第18-19页 |
| 2.3 特征选择方法 | 第19-21页 |
| 2.4 形式概念分析 | 第21-23页 |
| 2.4.1 基本知识 | 第22页 |
| 2.4.2 概念格的经典构造算法 | 第22-23页 |
| 2.5 文本分类方法 | 第23-25页 |
| 2.5.1 贝叶斯方法 | 第23-24页 |
| 2.5.2 k最近邻方法 | 第24-25页 |
| 2.5.3 支持向量机方法 | 第25页 |
| 2.5.4 决策树方法 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 3 文本评论数据特征词提取 | 第27-31页 |
| 3.1 文本评论数据概述 | 第27-28页 |
| 3.2 文本评论数据预处理 | 第28页 |
| 3.3 文本评论数据特征词提取 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 商品特征主题层次格的构建 | 第31-43页 |
| 4.1 领域本体 | 第31-32页 |
| 4.2 特征主题层次格构建的基本思想 | 第32页 |
| 4.3 特征主题层次格的构建 | 第32-42页 |
| 4.3.1 特征主题的提取 | 第34-37页 |
| 4.3.2 基于FCA的特征主题层次分析 | 第37-40页 |
| 4.3.3 特征主题层次的重构 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于特征主题层次格的评论质量分析模型 | 第43-51页 |
| 5.1 评估文本评论的因素 | 第43-44页 |
| 5.2 基于特征主题层次格的评论质量分析模型 | 第44-49页 |
| 5.2.1 全面性计算 | 第44-45页 |
| 5.2.2 专业性计算 | 第45-46页 |
| 5.2.3 内聚性计算 | 第46-47页 |
| 5.2.4 相关性计算 | 第47-48页 |
| 5.2.5 可读性计算 | 第48页 |
| 5.2.6 评论质量分析模型的设计 | 第48-49页 |
| 5.3 本章小结 | 第49-51页 |
| 6 实验设计与结果分析 | 第51-63页 |
| 6.1 实验设计 | 第51-56页 |
| 6.1.1 实验环境 | 第51页 |
| 6.1.2 数据集选择与采集 | 第51-53页 |
| 6.1.3 实验目标 | 第53-54页 |
| 6.1.4 实验方案 | 第54页 |
| 6.1.5 评价指标 | 第54-56页 |
| 6.2 实验及结果分析 | 第56-61页 |
| 6.2.1 评论质量分析模型评估实验 | 第56-58页 |
| 6.2.2 评论质量分类预测对比实验 | 第58-61页 |
| 6.3 本章小结 | 第61-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 本文工作总结 | 第63-64页 |
| 7.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-91页 |
| A.本文所选择的商品类别细表 | 第71-76页 |
| B.本文LDA训练生成的主题——特征词矩阵 | 第76-84页 |
| C.本文FCA生成的特征主题层次 | 第84-86页 |
| D.本文商品类别与特征主题的二元关系 | 第86-90页 |
| E.作者在攻读硕士学位期间发表的论文目录 | 第90-91页 |
| F.作者在攻读硕士学位期间申请的专利目录 | 第91页 |
