| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与问题 | 第12-14页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究问题 | 第14页 |
| 1.2 研究综述 | 第14-19页 |
| 1.2.1 风险评估 | 第14-16页 |
| 1.2.2 风险预警 | 第16-17页 |
| 1.2.3 大数据相关理论 | 第17-19页 |
| 1.3 研究内容与意义 | 第19-20页 |
| 1.4 论文结构安排 | 第20-22页 |
| 第二章 相关理论方法 | 第22-34页 |
| 2.1 数据挖掘算法 | 第22-25页 |
| 2.1.1 SVM算法 | 第22-23页 |
| 2.1.2 BP神经网络算法 | 第23-24页 |
| 2.1.3 LR算法 | 第24-25页 |
| 2.2 大数据处理框架spark | 第25-28页 |
| 2.2.1 RDD | 第27页 |
| 2.2.2 Spark生态系统 | 第27-28页 |
| 2.3 贝叶斯分类理论 | 第28-31页 |
| 2.3.1 贝叶斯公式 | 第29页 |
| 2.3.2 分类器的基本原理 | 第29-30页 |
| 2.3.3 分类过程 | 第30-31页 |
| 2.4 在线产品质量风险评估与预警 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 产品质量风险评估模型构建 | 第34-44页 |
| 3.1 质量风险评估基础模型 | 第34-39页 |
| 3.1.1 Naive Bayes Classifier原理 | 第35-37页 |
| 3.1.2 Bayesian Networks原理 | 第37-39页 |
| 3.2 风险评估模型的并行化改进 | 第39-40页 |
| 3.3 风险评估模型的加权改进 | 第40-42页 |
| 3.3.1 相关性分析原理 | 第40页 |
| 3.3.2 基于相关性分析的模型加权改进 | 第40-42页 |
| 3.4 加权风险评估模型的并行化实现 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 质量风险评估、预警的一般流程 | 第44-59页 |
| 4.1 用户评论获取 | 第45-48页 |
| 4.1.1 评论获取 | 第46-47页 |
| 4.1.2 评论解析 | 第47页 |
| 4.1.3 评论存储 | 第47-48页 |
| 4.2 用户评论初步处理 | 第48-50页 |
| 4.2.1 中文分词 | 第48-50页 |
| 4.2.2 数据清洗 | 第50页 |
| 4.3 质量风险特征属性分离 | 第50-56页 |
| 4.3.1 用户关注的重点风险属性提取 | 第51-53页 |
| 4.3.2 用户评论集特征属性降维 | 第53-56页 |
| 4.4 风险评估模型训练 | 第56页 |
| 4.5 质量风险预警 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 实证分析——以“防紫外线服”为例 | 第59-71页 |
| 5.1 实验环境搭建 | 第59-60页 |
| 5.1.1 Hadoop-2.7.4 | 第59-60页 |
| 5.1.2 Spark-2.0.0 | 第60页 |
| 5.2 风险评估结果 | 第60-64页 |
| 5.2.1 实验数据介绍 | 第60-61页 |
| 5.2.2 实验结果分析 | 第61-64页 |
| 5.3 评估结果应用 | 第64-70页 |
| 5.3.1 本研究对政府监管者的意义 | 第64-68页 |
| 5.3.2 本研究对在线产品经营者的意义 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |