基于多维度评价信息的在线服务信誉度量方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 问题定义与相关技术 | 第18-32页 |
| 2.1 问题描述 | 第18-20页 |
| 2.1.1 问题定义 | 第18-19页 |
| 2.1.2 举例说明 | 第19-20页 |
| 2.2 相关理论及技术 | 第20-29页 |
| 2.2.1 VC维 | 第20页 |
| 2.2.2 结构风险最小化 | 第20-22页 |
| 2.2.3 复杂性和泛化能力 | 第22页 |
| 2.2.4 支持向量机及基本原理介绍 | 第22-26页 |
| 2.2.5 多分类支持向量机 | 第26-28页 |
| 2.2.6 半监督机器学习 | 第28-29页 |
| 2.3 基于SVM的多维度信誉度量实现 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于多分类SVM的在线服务信誉度量 | 第32-48页 |
| 3.1 基于SVM的服务多分类问题建模 | 第32-34页 |
| 3.2 半监督机器学习训练SVM分类器模型 | 第34-37页 |
| 3.2.1 初始训练样本选择及分类器模型训练 | 第35页 |
| 3.2.2 带距离约束条件的自学习方法DST | 第35-36页 |
| 3.2.3 训练样本集及分类器模型更新 | 第36-37页 |
| 3.3 提高SVM分类器的泛化能力 | 第37-38页 |
| 3.3.1 特征提取 | 第37-38页 |
| 3.3.2 交叉验证 | 第38页 |
| 3.4 实验分析 | 第38-47页 |
| 3.4.1 实验环境及数据集 | 第38-39页 |
| 3.4.2 评价标准 | 第39-40页 |
| 3.4.3 信誉度量准确率 | 第40-42页 |
| 3.4.4 特征提取有效性验证 | 第42-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 原型系统设计与实现 | 第48-66页 |
| 4.1 获取实验数据集 | 第48-51页 |
| 4.1.1 安装、登陆八爪鱼软件 | 第48-49页 |
| 4.1.2 采集网页信息 | 第49-51页 |
| 4.2 需求分析 | 第51-52页 |
| 4.3 用例描述 | 第52-56页 |
| 4.4 系统设计 | 第56-58页 |
| 4.4.1 类图 | 第56-57页 |
| 4.4.2 状态图 | 第57页 |
| 4.4.3 系统流程描述 | 第57-58页 |
| 4.5 系统实现与展示 | 第58-65页 |
| 4.5.1 系统实现技术选择 | 第58-60页 |
| 4.5.2 GUI设计 | 第60-61页 |
| 4.5.3 系统展示 | 第61-65页 |
| 4.6 本章小节 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66页 |
| 5.2 问题与展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A(攻读硕士学位期间科研成果) | 第74页 |
