面向推荐系统的评论分析研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 推荐系统技术简介 | 第17-28页 |
| 2.1 推荐系统原理 | 第17-18页 |
| 2.2 常用推荐算法及研究进展 | 第18-22页 |
| 2.2.1 协同过滤推荐 | 第18-20页 |
| 2.2.2 基于内容的推荐 | 第20-21页 |
| 2.2.3 混合推荐 | 第21-22页 |
| 2.3 数据源简介 | 第22-24页 |
| 2.3.1 推荐系统常用数据集 | 第22-23页 |
| 2.3.2 本文使用数据集简介 | 第23-24页 |
| 2.4 推荐系统评测指标 | 第24-26页 |
| 2.4.1 评分预测 | 第25页 |
| 2.4.2 Top-N推荐 | 第25-26页 |
| 2.5 推荐系统面临的挑战 | 第26-28页 |
| 第三章 基于评论主题分析的评分预测 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于评论的推荐算法 | 第29-35页 |
| 3.2.1 相关定义 | 第29-30页 |
| 3.2.2 评论主题分析 | 第30-32页 |
| 3.2.3 基于评论主题的评分预测 | 第32-34页 |
| 3.2.4 组合推荐算法 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-37页 |
| 3.3.1 实验设置 | 第35页 |
| 3.3.2 实验结果分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于挖掘评论个性化特征的评分预测 | 第38-45页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于评论主题的个性化模型 | 第39-42页 |
| 4.2.1 相关定义 | 第39-40页 |
| 4.2.2 评论主题分析 | 第40页 |
| 4.2.3 用户和物品的特征表示 | 第40-41页 |
| 4.2.4 基准模型 | 第41页 |
| 4.2.5 个性化模型 | 第41-42页 |
| 4.3 实验结果与分析 | 第42-44页 |
| 4.3.1 实验设置 | 第42页 |
| 4.3.2 参数选定 | 第42-43页 |
| 4.3.3 实验结果分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于实体知识库的评论短语抽取 | 第45-56页 |
| 5.1 引言 | 第45-47页 |
| 5.2 知识库构建 | 第47-52页 |
| 5.2.1 实体知识库构建现状分析 | 第47-49页 |
| 5.2.2 实体知识库构建方法 | 第49-50页 |
| 5.2.3 基于实体知识库的属性识别 | 第50-52页 |
| 5.3 评论情感分析 | 第52-54页 |
| 5.3.1 基于机器学习的情感分析 | 第53页 |
| 5.3.2 基于规则的情感分析 | 第53-54页 |
| 5.4 综合实验结果与分析 | 第54页 |
| 5.5 评论标签分层展示方法简介 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 研究工作总结 | 第56页 |
| 6.2 下一步工作展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士学位期间取得的科研成果 | 第64页 |
| 攻读硕士学位期间参与的科研项目 | 第64-65页 |
| 致谢 | 第65-67页 |
