基于汽车故障的用户评价观点研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 选题意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 信息抽取的研究现状 | 第10-11页 |
| 1.2.2 大数据分析的研究现状 | 第11-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 第二章 汽车本体的设计与构建 | 第13-17页 |
| 2.1 汽车结构与组成 | 第13-14页 |
| 2.2 本体的基本介绍 | 第14-15页 |
| 2.2.1 本体的概念 | 第14页 |
| 2.2.2 本体的构建方法和开发工具 | 第14-15页 |
| 2.3 汽车本体知识库的构建 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 相关技术介绍 | 第17-22页 |
| 3.1 文本聚类技术的介绍 | 第17-20页 |
| 3.1.1 文档预处理技术 | 第17-18页 |
| 3.1.2 向量空间模型 | 第18页 |
| 3.1.3 TF-IDF计算 | 第18-19页 |
| 3.1.4 文本聚类算法 | 第19-20页 |
| 3.2 词汇相似度技术的研究 | 第20-21页 |
| 3.3 算法性能评价指标 | 第21-22页 |
| 第四章 融合的文本聚类计算与实验 | 第22-35页 |
| 4.1 基于K-means的文本聚类算法研究 | 第22-29页 |
| 4.1.1 汽车投诉原始文档训练集及其预处理 | 第22-25页 |
| 4.1.2 TF-IDF与矩阵降维 | 第25-26页 |
| 4.1.3 基于K-means的文本聚类算法实验 | 第26-27页 |
| 4.1.4 实验结果与分析 | 第27-29页 |
| 4.2 基于Hownet方法的研究及实验 | 第29-32页 |
| 4.2.1 基于Hownet的相似度计算介绍 | 第29-30页 |
| 4.2.2 基于Hownet相似度计算实验过程 | 第30页 |
| 4.2.3 实验结果及分析 | 第30-32页 |
| 4.3 基于汽车本体的Hownet算法研究 | 第32-33页 |
| 4.3.1 基于汽车本体的Hownet算法实验 | 第32-33页 |
| 4.3.2 实验结果及分析 | 第33页 |
| 4.4 汽车投诉测试文档集实验及结果 | 第33-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 结论与分析 | 第35-39页 |
| 第六章 总结与展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43页 |
