基于用户评论的互联网商品综合评分方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.2.3 当前研究存在的不足 | 第19-20页 |
| 1.3 本文的研究内容与组织结构 | 第20-21页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 组织结构 | 第21页 |
| 1.4 小结 | 第21-22页 |
| 第2章 相关技术的综述 | 第22-31页 |
| 2.1 文本情感分析概况 | 第22-25页 |
| 2.1.1 相关分类 | 第22-23页 |
| 2.1.2 研究思路 | 第23-25页 |
| 2.2 文本特征选择方法 | 第25-28页 |
| 2.2.1 文档频率 | 第25-26页 |
| 2.2.2 信息增益 | 第26-27页 |
| 2.2.3 互信息 | 第27页 |
| 2.2.4 卡方统计 | 第27-28页 |
| 2.3 文本情感分类算法 | 第28-30页 |
| 2.3.1 贝叶斯分类算法 | 第28页 |
| 2.3.2 KNN算法 | 第28-29页 |
| 2.3.3 支持向量机 | 第29页 |
| 2.3.4 Logistic回归模型 | 第29-30页 |
| 2.4 小结 | 第30-31页 |
| 第3章 用户评论评分方法的研究 | 第31-43页 |
| 3.1 评论评分方法概述 | 第31-33页 |
| 3.1.1 主要思路 | 第31-32页 |
| 3.1.2 基本流程 | 第32-33页 |
| 3.2 数据预处理 | 第33-34页 |
| 3.2.1 数据清洗和存储 | 第33-34页 |
| 3.2.2 构建评论数据集 | 第34页 |
| 3.3 用户评论的评分方法的研究 | 第34-38页 |
| 3.3.1 文本表示模型 | 第35-36页 |
| 3.3.2 特征选择方法 | 第36-37页 |
| 3.3.3 评论评分计算 | 第37-38页 |
| 3.4 评论评分实验结果及分析 | 第38-42页 |
| 3.4.1 实验步骤 | 第38页 |
| 3.4.2 数据集 | 第38-39页 |
| 3.4.3 评价指标 | 第39页 |
| 3.4.4 实验结果与分析 | 第39-42页 |
| 3.5 小结 | 第42-43页 |
| 第4章 互联网商品综合评分方法的研究 | 第43-57页 |
| 4.1 综合评分方法概述 | 第43-46页 |
| 4.1.1 主要思路 | 第43-44页 |
| 4.1.2 基本流程 | 第44-46页 |
| 4.2 构建商品评价模型 | 第46-48页 |
| 4.2.1 选取评价因素 | 第46-48页 |
| 4.2.2 构建评价模型 | 第48页 |
| 4.3 计算权重向量 | 第48-52页 |
| 4.3.1 确定评价因素的权重指数 | 第48-50页 |
| 4.3.2 构造判断矩阵 | 第50-51页 |
| 4.3.3 计算判断矩阵的特征向量 | 第51-52页 |
| 4.4 计算商品综合评分 | 第52-53页 |
| 4.4.1 计算各二级评价因素的评分 | 第52页 |
| 4.4.2 加权计算商品的综合评分 | 第52-53页 |
| 4.5 实验结果及分析 | 第53-56页 |
| 4.5.1 实验步骤 | 第53-54页 |
| 4.5.2 实验数据 | 第54页 |
| 4.5.3 评价指标 | 第54页 |
| 4.5.4 实验结果与分析 | 第54-56页 |
| 4.6 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 附录 攻读学位期间参与的主要项目 | 第65页 |
