互聯(lián)網(wǎng)技術(shù)和移動(dòng)網(wǎng)絡(luò)技術(shù)飛速發(fā)展的今天,電子商務(wù)和移動(dòng)商務(wù)已經(jīng)滲透到了生活的方方面面,電商平臺(tái)上用戶行為的分析已經(jīng)變成企業(yè)進(jìn)行消費(fèi)者行為分析的關(guān)鍵內(nèi)容之一。評(píng)論數(shù)據(jù)作為大型電子商務(wù)平臺(tái)上少有的可以被開(kāi)放獲得的用戶行為數(shù)據(jù),是進(jìn)行用戶行為分析的一個(gè)重要切入點(diǎn)。但電商平臺(tái)的用戶評(píng)論數(shù)據(jù)往往數(shù)量極其巨大,并且易受社會(huì)經(jīng)濟(jì)環(huán)境的影響,表現(xiàn)出較強(qiáng)的大規(guī)模性、動(dòng)態(tài)性和復(fù)雜性。如何從海量的、文本類(lèi)型的評(píng)論中分析用戶的興趣和偏好,提取出用戶關(guān)心的話題,以及滿意和不滿意的商品及其屬性,成為新時(shí)代電子商務(wù)企業(yè)提升商品和服務(wù)質(zhì)量,把握社會(huì)的流行趨勢(shì),以及對(duì)用戶進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)時(shí)必須面對(duì)和解決的基礎(chǔ)性、關(guān)鍵性的問(wèn)題。為此,本文收集了美國(guó)亞馬遜平臺(tái)上800多萬(wàn)條用戶對(duì)電子和圖書(shū)類(lèi)商品的評(píng)論數(shù)據(jù),運(yùn)用統(tǒng)計(jì)方法實(shí)證分析了評(píng)論數(shù)據(jù)中的特點(diǎn)和進(jìn)行數(shù)據(jù)挖掘時(shí)存在的難點(diǎn),并以評(píng)論數(shù)據(jù)中的“用戶情感分析”和“用戶偏好/興趣挖掘”這兩種消費(fèi)者行為分析任務(wù)為目標(biāo),提出了評(píng)論數(shù)據(jù)的預(yù)處理方法,即評(píng)論數(shù)據(jù)的特征工程,以此提升用戶情感分析中經(jīng)常使用的分類(lèi)方法的效果;為了應(yīng)對(duì)評(píng)論數(shù)據(jù)的動(dòng)態(tài)性和實(shí)時(shí)性等特點(diǎn),并進(jìn)一步分析評(píng)論數(shù)據(jù)中的觀點(diǎn)子模式... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：141 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景、目的及意義
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意義
    1.2 研究?jī)?nèi)容和結(jié)構(gòu)安排
        1.2.1 研究?jī)?nèi)容
        1.2.2 結(jié)構(gòu)安排
    1.3 研究方法和主要?jiǎng)?chuàng)新點(diǎn)
        1.3.1 研究方法
        1.3.2 主要?jiǎng)?chuàng)新點(diǎn)
    1.4 本章小結(jié)
第二章 相關(guān)理論及文獻(xiàn)綜述
    2.1 傳統(tǒng)用戶情感分析與興趣挖掘方法
        2.1.1 傳統(tǒng)的消費(fèi)者行為分析理論與方法
        2.1.2 用戶評(píng)論中的觀點(diǎn)、主題挖掘
        2.1.3 用戶評(píng)論中的情感分類(lèi)
        2.1.4 用戶興趣、偏好挖掘及推薦系統(tǒng)
        2.1.5 已有研究的不足之處及面臨的新挑戰(zhàn)
    2.2 本文的研究思路：一種動(dòng)態(tài)的大數(shù)據(jù)挖掘視角
        2.2.1 數(shù)據(jù)的特征工程
        2.2.2 增量式的分類(lèi)與聚類(lèi)方法
        2.2.3 用戶動(dòng)態(tài)興趣時(shí)間序列挖掘
        2.2.4 大數(shù)據(jù)挖掘的方法與技術(shù)
    2.3 本章小結(jié)
第三章 評(píng)論數(shù)據(jù)的特征工程：線性與非線性空間變換方法
    3.1 引言
    3.2 評(píng)論數(shù)據(jù)的分布特點(diǎn)與挖掘挑戰(zhàn)
        3.2.1 數(shù)據(jù)集詳情
        3.2.2 數(shù)據(jù)特點(diǎn)
        3.2.3 挖掘挑戰(zhàn)
    3.3 評(píng)論數(shù)據(jù)的線性與非線性空間變換方法
        3.3.1 維度相關(guān)性對(duì)策：基于奇異值分解的線性正交變換
        3.3.2 距離校準(zhǔn)：一種基于線性規(guī)劃的距離度量學(xué)習(xí)方法
        3.3.3 核變換擬合：Nystr?m非線性空間變換
        3.3.4 線性與非線性空間變換方法的整合
        3.3.5 增量學(xué)習(xí)分析
    3.4 評(píng)論數(shù)據(jù)的分類(lèi)提升效果評(píng)估及結(jié)果討論
        3.4.1 核函數(shù)最優(yōu)參數(shù)的網(wǎng)格搜索
        3.4.2 奇異值分解
        3.4.3 空間變換
        3.4.4 分類(lèi)效果評(píng)估
        3.4.5 結(jié)果討論與管理啟示
    3.5 本章小結(jié)
第四章 情緒感知的用戶觀點(diǎn)挖掘：一種新的增量式自適應(yīng)分類(lèi)與聚類(lèi)算法
    4.1 引言
    4.2 競(jìng)爭(zhēng)型學(xué)習(xí)的理論基礎(chǔ)及聚類(lèi)算法
        4.2.1 符號(hào)約定
        4.2.2 競(jìng)爭(zhēng)型監(jiān)督學(xué)習(xí)的理論基礎(chǔ)
        4.2.3 原模型的優(yōu)點(diǎn)與缺點(diǎn)
        4.2.4 “非軍事區(qū)”構(gòu)建
        4.2.5 所提出模型的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
        4.2.6 近似核變換方法
    4.3 評(píng)論觀點(diǎn)子模式識(shí)別：一種新的監(jiān)督式聚類(lèi)與分類(lèi)算法
        4.3.1 模型訓(xùn)練方法
        4.3.2 “小批量”增量學(xué)習(xí)及分布式計(jì)算
        4.3.3 數(shù)據(jù)標(biāo)簽預(yù)測(cè)
    4.4 子模式識(shí)別及聚類(lèi)、分類(lèi)的性能評(píng)估及結(jié)果討論
        4.4.1 基準(zhǔn)數(shù)據(jù)集
        4.4.2 基于Nystr?m方法的核擬合
        4.4.3 聚類(lèi)與分類(lèi)訓(xùn)練過(guò)程
        4.4.4 AdaHS的收斂性測(cè)試
        4.4.5 準(zhǔn)確性與運(yùn)行速度評(píng)估
        4.4.6 實(shí)驗(yàn)結(jié)果討論
    4.5 基于AdaHS的觀點(diǎn)挖掘?qū)嵗肮芾韱⑹?br>    4.6 本章小結(jié)
第五章 從評(píng)論數(shù)據(jù)中發(fā)掘用戶興趣：一種動(dòng)態(tài)時(shí)間序列觀點(diǎn)
    5.1 引言
    5.2 商品“主題”挖掘：商品文本的向量表示與聚類(lèi)
        5.2.1 商品的向量表示
        5.2.2 主題挖掘：商品文本的向量化表示和聚類(lèi)
    5.3 “用戶興趣”時(shí)間序列的擬合與預(yù)測(cè)方法
        5.3.1 用戶與“主題”的交互及興趣時(shí)間序列數(shù)據(jù)構(gòu)建
        5.3.2 興趣時(shí)間序列的分類(lèi)判別
        5.3.3 短期時(shí)間序列數(shù)據(jù)的模型擬合與預(yù)測(cè)
        5.3.4 長(zhǎng)期時(shí)間序列數(shù)據(jù)的模型擬合與預(yù)測(cè)
        5.3.5 稀疏時(shí)間序列擬合與預(yù)測(cè)
        5.3.6 時(shí)間序列綜合擬合與預(yù)測(cè)算法及預(yù)測(cè)結(jié)果評(píng)估
    5.4 實(shí)驗(yàn)及效果評(píng)估
        5.4.1 數(shù)據(jù)集及大數(shù)據(jù)實(shí)驗(yàn)方法
        5.4.2 基于Word2Vec的商品文本向量表示
        5.4.3 商品“主題”挖掘
        5.4.4 用戶興趣時(shí)間序列擬合
        5.4.5 實(shí)驗(yàn)結(jié)果討論
    5.5 本章小結(jié)
第六章 用戶興趣網(wǎng)絡(luò)與推薦系統(tǒng)
    6.1 引言
    6.2 用戶興趣的相似性搜索
        6.2.1 基于動(dòng)態(tài)時(shí)間規(guī)整的時(shí)間序列距離計(jì)算方法
        6.2.2 用戶之間興趣相似性的計(jì)算
    6.3 基于圖計(jì)算的用戶興趣社區(qū)發(fā)現(xiàn)
        6.3.1 基于社區(qū)發(fā)現(xiàn)的用戶聚類(lèi)
        6.3.2 興趣社區(qū)劃分質(zhì)量的評(píng)價(jià)標(biāo)準(zhǔn)
        6.3.3 興趣社區(qū)發(fā)現(xiàn)算法：Fast Unfolding
    6.4 推薦策略與方法構(gòu)建
        6.4.1 推薦策略一：基于興趣時(shí)間序列預(yù)測(cè)的直接推薦
        6.4.2 推薦策略二：基于用戶興趣社區(qū)的協(xié)同過(guò)濾式推薦
        6.4.3 推薦策略三：綜合推薦
        6.4.4 推薦效果評(píng)估
    6.5 相似性搜索、社區(qū)發(fā)現(xiàn)與推薦的實(shí)驗(yàn)及效果評(píng)估
        6.5.1 相似性搜索
        6.5.2 用戶興趣社區(qū)發(fā)現(xiàn)
        6.5.3 商品主題推薦的效果評(píng)估
    6.6 關(guān)于推薦系統(tǒng)的進(jìn)一步討論及管理啟示
    6.7 本章小結(jié)
第七章 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于分布式LDA-Spark的微博用戶興趣挖掘[J]. 趙星雷,肖詩(shī)斌.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[2]基于背景和內(nèi)容的微博用戶興趣挖掘[J]. 仲兆滿,管燕,胡云,李存華.  軟件學(xué)報(bào). 2017(02)
[3]基于網(wǎng)絡(luò)評(píng)論內(nèi)容分析的餐飲消費(fèi)者行為研究[J]. 吳麗云,陳方英.  人文地理. 2015(05)
[4]社交網(wǎng)絡(luò)用戶興趣挖掘研究[J]. 何炎祥,劉續(xù)樂(lè),陳強(qiáng),梁偉,孫松濤.  小型微型計(jì)算機(jī)系統(tǒng). 2014(11)
[5]基于本體與模式的網(wǎng)絡(luò)用戶興趣挖掘[J]. 蘇雪陽(yáng),左萬(wàn)利,王俊華.  電子學(xué)報(bào). 2014(08)
[6]基于社會(huì)化標(biāo)注的用戶興趣挖掘[J]. 扈維,張堯?qū)W,周悅芝.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(04)
[7]基于AT模型的微博用戶興趣挖掘研究[J]. 王永貴,張旭,劉憲國(guó).  計(jì)算機(jī)工程與應(yīng)用. 2015(13)
[8]基于主題圖的用戶興趣挖掘模型研究[J]. 唐曉波,房小可.  情報(bào)學(xué)報(bào). 2012 (04)
[9]網(wǎng)絡(luò)日志規(guī)模分析和用戶興趣挖掘[J]. 郭巖,白碩,楊志峰,張凱.  計(jì)算機(jī)學(xué)報(bào). 2005(09)



本文編號(hào)：3199501