一种App描述引导的评论分析方法

发布时间：2021-01-02 20:22

　　App商店的存在为App产品的开发提供了快速增长且规模巨大的数据资源,如何依据开发者需求智能化地挖掘并使用其中信息是目前的热点研究领域之一。用户评论作为App商店中一类重要的数据,是用户表达自身对产品观点的重要方式,同时也是开发者了解用户感受的主要途径。在众多的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,对各种手机应用进行了分类,并且既有开发者对于手机应用的描述,也有用户对于手机应用的评论。在其中,流行度高的手机应用的下载量都超过了千万。伴随着暴增的手机应用下载,用户评论量呈爆炸式增长,使得传统的使用人工进行评论分析的方式难以解决这类评论分析问题。同时手机应用的开发者也希望能够更加快速的得到评论中与App特征相关的部分中的有用信息来支持App的快速迭代开发。在过去的方法中,数据分析人员只关注对评论或者是更多的侧重于对描述的分析,没有将两者结合起来进行分析。为了合理利用评论中信息来支持App开发和升级,本文将App产品描述引入到评论分析过程中,即通过对App产品描述的挖掘得到针对某一产品领域的特征,并且通过使用文本分类技术... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景介绍
    1.2 研究现状
    1.3 研究目的及意义
    1.4 本文主要工作及论文结构
第2章 相关技术介绍
    2.1 LDA算法
    2.2 文本分类技术
    2.3 语法与语义分析
        2.3.1 语法分析
        2.3.2 语义分析
    2.4 情感分析技术
第3章 基于方面的领域模型
    3.1 方法框架概述
    3.2 App描述挖掘
        3.2.1 数据预处理及信息抽取
        3.2.2 App描述的信息建模
    3.3 评论数据的分类和抽象
        3.3.1 评论分类器的构建
        3.3.2 评论的抽象表示
第4章 基于TBDM的量化分析
    4.1 评论的价值量化及推荐
    4.2 基于领域主题的评论总结
第5章 实验与结果分析
    5.1 实验设计
    5.2 TBDM模型的评估
    5.3 评论分类器性能评估
    5.4 R-TBRM模型量化分析结果的评估
第6章 总结与展望
参考文献
作者简介及在学期间所取得的科研成果
致谢


【参考文献】：
期刊论文
[1]支持向量机[J]. 张浩然,韩正之,李昌刚.  计算机科学. 2002(12)



本文编号：2953579