第一章 绪论
第一节 研究背景
第二节 研究路线
第三节 主要贡献
第二章 国内外研究现状
第一节 用户生成内容研究现状
一、UGC生产动机
二、UGC质量研究
三、UGC法律问题
第二节 UGC情感分析研究现状
一、UGC情感描述
二、情感分析方法
第三节 消费者决策模型研究现状
一、消费者决策模型构建
二、消费者决策模型的检验
第三章 数据挖掘中SVM模型与贝叶斯模型比较分析
第一节 引言
第二节 基本理论
一、贝叶斯模型
二、支持向量机模型
第三节 模型数据分析
一、数据的准备与预处理
二、模型构建
第四节 实验
一、多特征字段的实验结果分析
二、少特征字段的实验结果分析
第五节 本章小结
第四章 基于降维思想的K均值聚类方法
第一节 问题的提出
第二节 相关理论
一、处理步骤
二、维度保留的标准
三、PCA的实质
第三节 PCA运用到K均值聚类合理性的数学证明
第四节 算法设计
一、实验步骤
二、程序的运行环境
三、数据的特征
四、运行结果分析
第五节 本章小结
一、PCA运用到K均值聚类的建议
二、辩证看待降维思想
第五章 基于概率矩阵分解的用户相似度计算方法
第一节 传统相似度计算模型存在的问题
第二节 基于时序行为的非对称用户相似度计算
一、用户相似度矩阵初始值计算
二、用户相似度矩阵分解
三、重构用户相似度矩阵及近邻确定算法
四、算法时间复杂度分析
第三节 推荐应用及应用框架
第四节 实验
一、实验准备
二、实验指标
三、实验结果分析
第五节 本章小结
第六章 基于特征的图像中文本检测和定位算法
第七章 基于CNN模型的跨媒体UGC分类算法
第八章 基于情感三元组的UGC情感极性计算
第九章 基于依存句法的UGC情感极性计算
第十章 考虑时间因素的UGC情感分析
第十一章 基于情感分析的UGC模糊综合评价方法
第十二章 基于情感聚类的用户生成内容主体识别
第十三章 考虑情感属性特征的电商用户画像
第十四章 基于自适应在线极限学习机模型的预测方法
第十五章 考虑文本UGC情感特征的消费者决策预测
第十六章 数字资源中个人隐私权保护研究
第十七章 电子商务平台上UGC的管理机制
第十八章 结论与研究趋势分析
参考文献
附录1 核心算法代码
附录2 “消费者关于网购平台评价的态度与看法”问卷调查
后记
展开
