基于情感分析技术的电商产品在线评论数据挖掘研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 电商在线评论 | 第11-13页 |
| 1.2.1 电商在线评的发展 | 第11-13页 |
| 1.2.2 电商在线评论的特点 | 第13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 对于在线评论的研究 | 第13-14页 |
| 1.3.2 消费者购买决策相关理论 | 第14-15页 |
| 1.3.3 情感分析研究现状 | 第15-16页 |
| 1.3.4 文本细粒度情感分析研究 | 第16页 |
| 1.3.5 跨领域情感分析研究现状 | 第16-17页 |
| 1.3.6 文本情感分析中存在的问题 | 第17-18页 |
| 1.4 研究问题的提出 | 第18-19页 |
| 1.4.1 问题的来源 | 第18页 |
| 1.4.2 问题的提出 | 第18-19页 |
| 1.5 论文整体结构 | 第19-21页 |
| 第2章 相关理论概述 | 第21-36页 |
| 2.1 中文评论的特点 | 第21页 |
| 2.2 文本预处理 | 第21-28页 |
| 2.2.1 中文分词介绍 | 第22页 |
| 2.2.2 中文分词的相关方法介绍 | 第22-25页 |
| 2.2.3 中文分词中存在的难题 | 第25-26页 |
| 2.2.4 中文分词工具介绍 | 第26页 |
| 2.2.5 词性标注 | 第26-27页 |
| 2.2.6 停用词处理 | 第27-28页 |
| 2.3 特征提取 | 第28-33页 |
| 2.3.1 常用的特征选择方法 | 第28-33页 |
| 2.4 情感分类常用的方法 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 数据准备及处理 | 第36-40页 |
| 3.1 评论数据采集 | 第36-37页 |
| 3.2 评论数据处理 | 第37-39页 |
| 3.2.1 评论数据的预处理 | 第37页 |
| 3.2.2 文本分词 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 情感词典的构建 | 第40-49页 |
| 4.1 主题词和情感词的相关介绍 | 第40页 |
| 4.2 情感词典的相关介绍 | 第40-46页 |
| 4.2.1 构建情感词典的意义 | 第41页 |
| 4.2.2 基本的情感词典介绍 | 第41-43页 |
| 4.2.3 情感词典的构建 | 第43-45页 |
| 4.2.4 隐式情感分析 | 第45-46页 |
| 4.3 主题词和情感词之间的关系 | 第46-47页 |
| 4.4 情感倾向加权计算 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 情感分析与数据挖掘 | 第49-71页 |
| 5.1 评论数据的情感分析 | 第49-53页 |
| 5.1.1 实验准备 | 第49-50页 |
| 5.1.2 实验结果及分析 | 第50-53页 |
| 5.2 跨领域情感分析研究 | 第53-54页 |
| 5.3 婴幼儿奶粉评论网络语义图分析 | 第54-57页 |
| 5.4 产品评论高频词提取和物流服务要素分析 | 第57-63页 |
| 5.4.1 相关评论语句中的词频统计和分析 | 第57-59页 |
| 5.4.2 物流服务要素的研究 | 第59页 |
| 5.4.3 物流服务要素提取 | 第59-61页 |
| 5.4.4 物流服务要素满意度结果分析 | 第61-63页 |
| 5.5 因子分析 | 第63-67页 |
| 5.6 问卷调查 | 第67-68页 |
| 5.6.1 问卷设计 | 第67页 |
| 5.6.2 信度分析 | 第67-68页 |
| 5.7 相关性分析 | 第68-69页 |
| 5.8 回归分析 | 第69-70页 |
| 5.9 本章小结 | 第70-71页 |
| 第6章 总结和展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 本文主要工作和展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 附录1 调查问卷 | 第79-80页 |
| 致谢 | 第80-81页 |
