声明
摘要
插图和附表清单
1.引言
1.1 研究背景
1.2 研究意义
1.2.1 现有相关意见挖掘模型
1.2.2 音乐评论网站用户调查
1.3 可行性分析
1.4 文章结构
2.数据预处理技术-NLP方法
3.LDA主题模型方法
3.1 主题模型综述
3.2 经典Latent Ditichlet Allocation模型
3.3 Sentence Latent Dirichlet Allocation模型
3.4 Aspect and Sentiment Unification Model模型
3.5 音乐评论主题模型
3.6 LDA工具包
4.朴素贝叶斯分类器
4.1 贝叶斯决策理论
4.2 条件概率和贝叶斯准则
4.3 朴素贝叶斯算法
5.基于主题模型的朴素贝叶斯评分预测算法
5.1 符号定义
5.2 评论主题概率分布
5.3 朴素贝叶斯评分预测算法
5.3.1 用户主题概率分布
5.3.2 用户最重视主题特征
5.3.3 最重视特征条件概率分布
5.3.4 评分预测
5.4 算法评价标准
5.4.1 平均绝对误差方法
5.4.2 准确率召回率方法
5.5 本章小结
6 实验与分析
6.1 数据集
6.2 实验一
6.2.1 数据预处理
6.2.2 LDA文档模型建立
6.2.3 朴素贝叶斯算法实现
6.3 实验二
6.3.1 数据预处理
6.3.2 LDA文档模型建立
6.3.3 朴素贝叶斯算法实现
6.4 算法对比研究
6.4.1 Supervised LDA算法
6.4.2 SVM算法
6.4.3 TextGrocery算法
6.5 讨论
7 总结与展望
参考文献
附录
致谢