基于复杂网络的在线评论主题社区发现

发布时间：2023-12-12 20:12

　　随着互联网的飞速发展,网络用户的数量也在急剧攀升,从而导致了网络上的数据特别是电子商务平台评论数据的指数级增长,企业和消费者已经无法满足通过手工进行筛选获取信息,急需对在线评论进行快速的主题挖掘,对用户进行有效的社区划分。通过在线评论主题社区发现,能为消费者的购买行为提供决策信息,同时也为商家改进产品、精准定位消费人群提供技术支持。而传统的在线评论挖掘手段往往是基于统计学的方法,忽略了在线评论之间语义关联信息,导致挖掘精度不高、处理效率低下等问题。近年来,复杂网络理论和实践的研究都越来越成熟,语言也被证实具有“小世界”的特性,越来越多的学者也开始将复杂网络的理论应用到自然语言处理中。为解决传统在线评论挖掘方法中语义关联信息缺失的问题,本文将复杂网络理论引入到在线评论主题社区发现的研究中。本文的主要内容是在线评论网络的构建与针对在线评论网络进行的主题社区发现,论文的主要工作体现在以下几个方面:首先对复杂网络及其在语言处理方面应用的相关理论、文本表示和特征选择的理论、社区发现算法的理论进行系统的阐述,基于复杂网络文本表示模型构造单条在线评论复杂网络,并采用基于复杂网络的特征选择算法对单条在...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 国内外研究现状
        1.3.1 在线评论挖掘研究现状
        1.3.2 文本表示研究现状
        1.3.3 文本特征选择研究现状
        1.3.4 社区发现算法研究现状
    1.4 论文主要工作和研究方法
    1.5 论文组织结构与框架
第二章 相关理论研究
    2.1 语言复杂网络相关理论
        2.1.1 语言复杂网络的小世界特性
        2.1.2 语言复杂网络节点统计特性
    2.2 文本表示理论
    2.3 文本特征选择理论
    2.4 社区定义与社区发现算法
        2.4.1 社区定义
        2.4.2 经典社区发现算法介绍
    2.5 本章小结
第三章 构建在线评论网络
    3.1 构建单条在线评论复杂网络
    3.2 词语间语义相关关系量化
    3.3 基于复杂网络的特征选择算法
    3.4 基于最大公共子图的文本相似度计算
        3.4.1 基本原理
        3.4.2 最大公共子图的提取
        3.4.3 文本相似度量化
    3.5 在线评论网络构建流程
    3.6 本章小结
第四章 在线评论网络主题社区发现
    4.1 在线评论网络社区结构特征
    4.2 主题社区发现算法优化
        4.2.1 LFM算法概述
        4.2.2 LFM算法优化
        4.2.3 LFMS算法实现步骤
    4.3 在线评论网络主题社区发现流程
    4.4 本章小结
第五章 实验及结果分析
    5.1 实验设计
        5.1.1 实验方案
        5.1.2 评价指标
    5.2 实验结果与分析
        5.2.1 阈值μ的确定
        5.2.2 在线评论网络的全局统计数据分析
        5.2.3 主题社区发现效果对比
第六章 总结与展望
参考文献
致谢
作者简介



本文编号：3873565