| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 主要研究内容与论文组织结构 | 第9-11页 |
| 1.2.1 主要研究内容 | 第9-10页 |
| 1.2.2 论文组织结构 | 第10-11页 |
| 1.3 本章小结 | 第11-12页 |
| 2 相关文献综述 | 第12-17页 |
| 2.1 电商环境下在线评论的相关研究综述 | 第12-16页 |
| 2.1.1 在线评论的有用性分析 | 第12页 |
| 2.1.2 基于标签化的评论推荐 | 第12-14页 |
| 2.1.3 在线评论的情感值计算方法 | 第14页 |
| 2.1.4 在线评论中主题模型的应用 | 第14-15页 |
| 2.1.5 在线评论中聚类方法的应用价值 | 第15-16页 |
| 2.2 本章小结 | 第16-17页 |
| 3 基于LDA主题模型的在线评论聚类模型 | 第17-39页 |
| 3.1 文本表示模型 | 第17-21页 |
| 3.1.1 向量空间模型 | 第18-19页 |
| 3.1.2 主题模型 | 第19-21页 |
| 3.2 LDA主题模型相关工作 | 第21-24页 |
| 3.2.1 文本建模 | 第22-23页 |
| 3.2.2 LDA吉布斯采样(Gibbs Sampling) | 第23-24页 |
| 3.3 经典的聚类算法 | 第24-29页 |
| 3.3.1 K-means算法 | 第24-25页 |
| 3.3.2 DBSCAN算法 | 第25-26页 |
| 3.3.3 谱聚类算法 | 第26-28页 |
| 3.3.4 经典聚类算法的分析与比较 | 第28-29页 |
| 3.4 基于LDA算法的聚类模型构建 | 第29-30页 |
| 3.5 实验与分析 | 第30-38页 |
| 3.5.1 实验数据集 | 第30页 |
| 3.5.2 评价指标 | 第30-33页 |
| 3.5.3 实验结果分析 | 第33-38页 |
| 3.5.3.1 不同数据集上LDA算法的对比分析 | 第33-35页 |
| 3.5.3.2 不停数据集上K-means、DBCSAN及谱聚类方法的效果比较 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 在线评论复杂网络的构建及评论推荐 | 第39-47页 |
| 4.1 在线评论无向网络模型构建 | 第40-41页 |
| 4.2 在线评论节点重要度计算 | 第41-43页 |
| 4.2.1 基于度中心性的节点重要性计算 | 第41-42页 |
| 4.2.2 社区划分下的节点重要度计算 | 第42-43页 |
| 4.3 实验与分析 | 第43-46页 |
| 4.3.1 复杂网络统计性质分析 | 第43-44页 |
| 4.3.2 评论推荐结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 在线评论情感倾向性计算及评论推荐 | 第47-61页 |
| 5.1 文本情感计算方法简介 | 第48-50页 |
| 5.1.1 基于情感词典的情感计算方法 | 第48页 |
| 5.1.2 无监督情感计算方法 | 第48-49页 |
| 5.1.3 基于有监督的文本情感计算方法 | 第49-50页 |
| 5.2 基于多特征融合与集成学习的文本情感计算 | 第50-54页 |
| 5.2.1 文本特征选择 | 第52-53页 |
| 5.2.2 集成学习 | 第53-54页 |
| 5.3 实验与分析 | 第54-59页 |
| 5.3.1 实验数据集 | 第54页 |
| 5.3.2 实验评价指标 | 第54-55页 |
| 5.3.3 实验结果分析 | 第55-59页 |
| 5.4 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |