基于描述和用户评论的App应用市场信息挖掘
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-18页 |
| 1.1 课题研究背景 | 第13-14页 |
| 1.2 现有技术及其发展趋势 | 第14-16页 |
| 1.2.1 App功能分类 | 第14页 |
| 1.2.2 用户评论分析 | 第14-16页 |
| 1.3 本文研究的主要内容和组织结构 | 第16-18页 |
| 2 数据集 | 第18-20页 |
| 2.1 App描述数据 | 第18页 |
| 2.2 App评论数据 | 第18-20页 |
| 3 基于App描述的功能分类 | 第20-29页 |
| 3.1 功能分类方案 | 第21-25页 |
| 3.1.1 文本预处理 | 第21-22页 |
| 3.1.2 主题模型 | 第22-23页 |
| 3.1.3 LDA | 第23-25页 |
| 3.2 App功能标签结果 | 第25-27页 |
| 3.2.1 功能标签维度 | 第25-26页 |
| 3.2.2 App功能分类 | 第26-27页 |
| 3.3 本章小结 | 第27-29页 |
| 4 App评论观点提取与聚合 | 第29-48页 |
| 4.1 评论观点提取 | 第30-36页 |
| 4.1.1 词性标注与语义依存 | 第30-32页 |
| 4.1.2 观点词性规则总结 | 第32-33页 |
| 4.1.3 观点词性规则自动发现 | 第33-34页 |
| 4.1.4 特殊句式处理 | 第34-36页 |
| 4.2 评论观点聚合 | 第36-43页 |
| 4.2.1 词向量 | 第37-38页 |
| 4.2.2 层次化聚类 | 第38-39页 |
| 4.2.3 属性词词库 | 第39-40页 |
| 4.2.4 观点极性判断 | 第40-41页 |
| 4.2.5 情感词聚类 | 第41-42页 |
| 4.2.6 标签合并 | 第42-43页 |
| 4.3 实验结果 | 第43-47页 |
| 4.3.1 观点规则自动发现结果 | 第43页 |
| 4.3.2 观点抽取结果 | 第43-44页 |
| 4.3.3 通用属性词词库 | 第44-45页 |
| 4.3.4 一级属性词词库 | 第45-46页 |
| 4.3.5 评论观点标签 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 基于App评论的需求分类 | 第48-63页 |
| 5.1 心理学需求模型 | 第49-51页 |
| 5.1.1 需求维度 | 第49页 |
| 5.1.2 种子词库 | 第49-51页 |
| 5.2 评论需求分类方案 | 第51-57页 |
| 5.2.1 词汇匹配 | 第51页 |
| 5.2.2 Labeled LDA | 第51-52页 |
| 5.2.3 递归神经网络 | 第52-54页 |
| 5.2.4 注意力机制 | 第54-57页 |
| 5.3 评论需求分类结果 | 第57-61页 |
| 5.3.1 词汇匹配结果 | 第57页 |
| 5.3.2 Labeled LDA性能 | 第57-59页 |
| 5.3.3 神经网络性能 | 第59-61页 |
| 5.4 App需求标签 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-66页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间主要研究成果 | 第70-71页 |
| 作者简历 | 第71页 |
