按相关排序
全部格式
全部页数
2022年及以前
只看优质
只看可投资
展开
排序：
相关 最多阅读 最新上传
格式：
全部 doc pdf ppt xls txt 豆单
页数：
全部 1-8页 9-100页 100页以上
时间：
全部 2024年 2023年 2022年及以前
67
虚拟社区热点话题意见挖掘模型研究(论文).pdf
随着互联网的蓬勃发展和Web2．0痘用的兴起，用户已经戏戈互联网不可或
缺的重要组成部分，用户产生内容已经成为互联网上最活跃、最受关注和最有
价值的资源。用户产生内容源于真实世界，在缀大程度上体现了焉户的真实想
法和感悟，具有较高的真实性。虚拟社区拥有数量最多的用户产生内容，因此，
对虚拟社区和英态容进行挖掘具有理论意义和实用价值。
本文的主要研究工作和贡献如下：
1．以虚拟社区为研究对象，讨论了虚拟社区的特点、结构和内容的组织方
式，以及虚拟社区中话题的组成、结构和特征。对虚拟社区中的话题和主题的
概念进行了区分，使用树形结构对话题进行表示，为后续研究奠定基础。
2。提出基予结构信息的主题耀关度算法。对话题中“跑题斗现象的成因、
特点以及对主题质量的影响进行了研究，提出用主题相关度评估主题中讨论内
容与原主题的一致性。分别奔绥了基于文本相似度的主题相关度算法和基予主
题结构信息的主题相关度算法，通过实验对两种主题相关度算法进行比较。实
验结果表明，本文提出的基于结构信怠的主题相关度算法效栗更好。
3．提出多特镊融合的分类方法。对互联网文本信息的多特征性进行了研
究，充分考虑不同特征对于类别的表征能力存在差异。提出基于朴索贝叶斯分
类算法的多特征融合的分类方法，并将方法应用于搏客文章分类。实验结果表
明，多特征融合的分类方法可以获得更高的准确率。
4．在以上几点的基础上，提出了虚拟社区的话题提取、话题热度评佑稻话
题意见挖掘方法，并将三者结合为一个整体，构建了虚拟社区热点话题意见挖
掘模型。在话题提取方面，采用分类与聚类翱结合的方法；在热度评佶方藤，
提出从主题关注度、主题相关度和时效性三个方面综合评估主题的热度；在话
题意见挖掘方面，通过对每个帖子的主观性、意见极性以及意见对象进行羚断，
最终得到用户对于话题的整体意见。实验结果表明，本文采用的话题提取方法
准确率较高，热度评估结果与现实情况较为符合，意见挖掘结果在一定程度上
能够反映用户对
  • SHU
  • 热度:
  • 顶3
收藏到书房
立即下载
49
基于领域本体的意见挖掘系统.pdf
囝北京邮电大学硕士学位论文摘要基于领域本体的意见挖掘系统摘要网络已经成为收集消费者信息意见反馈的一个很好的来源。现在有大量的网站提供了这样的服务，比如：产品评论、论坛、博客等。而面对浩如烟海的信息，如
收藏到书房
立即下载
49
中文意见挖掘中的特征词提取以及情感倾向分析.pdf
中文意见挖掘中的特征词提取以及情感倾向分析,特征提取,特征提取与图像处理,图像特征提取,文本特征提取,matlab图像特征提取,lbp特征提取,特征点提取,人脸特征提取算法,指纹特征提取
收藏到书房
立即下载
60
基于意见挖掘技术网购评论倾向性分析的研究与应用.pdf
摘要基于意见挖掘技术的网购评论倾向性分析的研究与应用摘要互联网的高速发展使得网上购物越来越盛行，这极大改变了人们的购物方式。而人们对商品及购物过程的感受，也从口口相传发展为以网购评论的方式来传播。网购
收藏到书房
立即下载
72
[豆丁]产品意见挖掘中的词典学习与隐式特征识别.pdf
[豆丁]产品意见挖掘中的词典学习与隐式特征识别
收藏到书房
立即下载
84
中文产品评论的意见挖掘研究硕士学位论文.doc
中文产品评论的意见挖掘研究硕士学位论文中文产品评论的意见挖掘研究硕士学位论文中文产品评论的意见挖掘研究硕士学位论文
收藏到书房
立即下载
80
面向网络评论的细粒度意见挖掘的研究与应用.pdf
面向网络评论的细粒度意见挖掘的研究与应用面向网络评论的细粒度意见挖掘的研究与应用面向网络评论的细粒度意见挖掘的研究与应用
收藏到书房
立即下载
62
汉语情感词语义模糊性分析及在意见挖掘中的应用研究.pdf
要近年来，信息技术的快速发展，促进了电商贸易和网上互动平台的发展，也刺激了网络评论文本的激增。通过对大量网络评论进行研究，可以帮助政府、企业商家、顾客做出更合理更有利的决定。由于网络评论的重要性被越来
收藏到书房
立即下载
66
基于深度学习的产品意见挖掘研究.pdf
基于深度学习的产品意见挖掘研究
收藏到书房
立即下载
69
面向目标属性的细粒度意见挖掘算法研究.pdf
面向目标属性的细粒度意见挖掘算法研究面向目标属性的细粒度意见挖掘算法研究面向目标属性的细粒度意见挖掘算法研究
收藏到书房
立即下载

向豆丁求助：有没有意见挖掘?

相关搜索
如要投诉违规内容，请联系我们按需举报；如要提出意见建议，请到社区论坛发帖反馈。