| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景及现状 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 本文研究内容与贡献 | 第11-12页 |
| 1.2.1 本文主要研究内容 | 第11页 |
| 1.2.2 本文研究的关键问题 | 第11页 |
| 1.2.3 本文的创新点 | 第11页 |
| 1.2.4 本文的章节安排 | 第11-12页 |
| 1.3 本章小结 | 第12-13页 |
| 第二章 研究基础与现状 | 第13-23页 |
| 2.1 机器学习算法以及有监督和无监督介绍 | 第13页 |
| 2.2 本文涉及到的机器学习关键算法 | 第13-21页 |
| 2.2.1 朴素贝叶斯简介 | 第13-14页 |
| 2.2.2 SVM原理介绍以及适用场景 | 第14-18页 |
| 2.2.3 聚类算法 | 第18-19页 |
| 2.2.4 LDA语义分析 | 第19-21页 |
| 2.3 网络数据获取技术简介 | 第21-22页 |
| 2.3.1 网络数据抓取技术简介 | 第21-22页 |
| 2.3.2 网络数据存储方式简介 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 数据获取与预处理 | 第23-33页 |
| 3.1 数据获取 | 第23-25页 |
| 3.1.1 已购汽车用户的口碑以及口碑评论数据获取 | 第23-24页 |
| 3.1.2 基于分布式爬虫获取汽车注册用户个人信息数据 | 第24-25页 |
| 3.1.3 汽车用户发表论坛数据的获取 | 第25页 |
| 3.2 数据处理 | 第25-30页 |
| 3.2.1 网络爬虫获取数据 | 第26页 |
| 3.2.2 中文分词以及词性标注 | 第26-30页 |
| 3.2.3 无效词语以及无效帖子过滤 | 第30页 |
| 3.3 基于机器学习算法的垃圾帖子过滤 | 第30-31页 |
| 3.3.1 现有垃圾评论过滤技术简介 | 第30-31页 |
| 3.3.2 垃圾评论文本语料库的构建 | 第31页 |
| 3.3.3 基于朴素贝叶斯的垃圾评论过滤 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于汽车注册用户个人信息的统计分析 | 第33-39页 |
| 4.1 基于网站用户注册信息的用户画像 | 第33-35页 |
| 4.1.1 各类用户的群体画像 | 第33页 |
| 4.1.2 根据品牌的已购汽车群体画像 | 第33-35页 |
| 4.2 基于周期的用户行为统计 | 第35-38页 |
| 4.2.1 按周期对分品牌用户的关注度统计 | 第35-37页 |
| 4.2.2 汽车销量展示 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 基于汽车口碑文本的特征抽取与文本分类 | 第39-62页 |
| 5.1 汽车口碑评论关键词抽取算法 | 第39-41页 |
| 5.1.1 TF-IDF算法介绍 | 第39-40页 |
| 5.1.2 TF-IDF算法的优点及不足 | 第40-41页 |
| 5.1.3 基于语义以及更新语料库的中文关键词提取算法介绍 | 第41页 |
| 5.1.4 关键词提取结果及分析 | 第41页 |
| 5.2 口碑关键词分类实现 | 第41-57页 |
| 5.2.1 分类前的环境搭建 | 第42-44页 |
| 5.2.2 基于朴素贝叶斯的关键词分类及结果 | 第44-50页 |
| 5.2.3 基于SVM的关键词分类及结果 | 第50-52页 |
| 5.2.4 基于K-Means的关键词分类及结果 | 第52-54页 |
| 5.2.5 三种分类方法的优缺点分析 | 第54-55页 |
| 5.2.6 三种分类方法的优化方法 | 第55-57页 |
| 5.3 使用LDA语义分析得到口碑文本的关键词实现 | 第57-60页 |
| 5.3.1 不同品牌口碑数据的情感分析 | 第57-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 基于汽车论坛数据的用户行为预测 | 第62-68页 |
| 6.1 不同汽车品牌的意向购车用户预测 | 第62-66页 |
| 6.1.1 定义用户类别及行为 | 第62页 |
| 6.1.2 基于朴素贝叶斯算法的汽车品牌意向用户以及流失用户统计 | 第62-64页 |
| 6.1.3 预测结果及分析 | 第64-66页 |
| 6.2 基于分类算法的汽车受欢迎度预测 | 第66-67页 |
| 6.2.1 基于不同品牌论坛用户的情感分析 | 第66-67页 |
| 6.3 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 本文研究工作总结 | 第68-69页 |
| 7.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
