App商店的存在為App產(chǎn)品的開發(fā)提供了快速增長且規(guī)模巨大的數(shù)據(jù)資源,如何依據(jù)開發(fā)者需求智能化地挖掘并使用其中信息是目前的熱點研究領域之一。用戶評論作為App商店中一類重要的數(shù)據(jù),是用戶表達自身對產(chǎn)品觀點的重要方式,同時也是開發(fā)者了解用戶感受的主要途徑。在眾多的App商店中,Google公司的Play Store是其中最具有代表性的App商店。在Play Store中,對各種手機應用進行了分類,并且既有開發(fā)者對于手機應用的描述,也有用戶對于手機應用的評論。在其中,流行度高的手機應用的下載量都超過了千萬。伴隨著暴增的手機應用下載,用戶評論量呈爆炸式增長,使得傳統(tǒng)的使用人工進行評論分析的方式難以解決這類評論分析問題。同時手機應用的開發(fā)者也希望能夠更加快速的得到評論中與App特征相關的部分中的有用信息來支持App的快速迭代開發(fā)。在過去的方法中,數(shù)據(jù)分析人員只關注對評論或者是更多的側重于對描述的分析,沒有將兩者結合起來進行分析。為了合理利用評論中信息來支持App開發(fā)和升級,本文將App產(chǎn)品描述引入到評論分析過程中,即通過對App產(chǎn)品描述的挖掘得到針對某一產(chǎn)品領域的特征,并且通過使用文本分類技術... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景介紹
    1.2 研究現(xiàn)狀
    1.3 研究目的及意義
    1.4 本文主要工作及論文結構
第2章 相關技術介紹
    2.1 LDA算法
    2.2 文本分類技術
    2.3 語法與語義分析
        2.3.1 語法分析
        2.3.2 語義分析
    2.4 情感分析技術
第3章 基于方面的領域模型
    3.1 方法框架概述
    3.2 App描述挖掘
        3.2.1 數(shù)據(jù)預處理及信息抽取
        3.2.2 App描述的信息建模
    3.3 評論數(shù)據(jù)的分類和抽象
        3.3.1 評論分類器的構建
        3.3.2 評論的抽象表示
第4章 基于TBDM的量化分析
    4.1 評論的價值量化及推薦
    4.2 基于領域主題的評論總結
第5章 實驗與結果分析
    5.1 實驗設計
    5.2 TBDM模型的評估
    5.3 評論分類器性能評估
    5.4 R-TBRM模型量化分析結果的評估
第6章 總結與展望
參考文獻
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]支持向量機[J]. 張浩然,韓正之,李昌剛.  計算機科學. 2002(12)



本文編號：2953579