1. 研究目的与意义（文献综述）

1.1、目的及意义

随着近十年电子商务的迅猛发展，网购已经成为大多数人日常生活中不可或缺的一部分。网上商品种类繁多，交易数量巨大，电商网站中的评论数据隐含着商品特征和用户情感，现有基于情感分析的推荐研究大多通过抽取同一类别商品评论数据中用户对商品不同方面的情感来捕捉用户偏好。通过对大量用户评论数据的分析，生成直观、可视化的商品特征信息，能够帮助用户快速了解和比对相似商品，做出更合理的决策。

可视分析是大数据分析中的关键方法，能够有效地弥补计算机自动化分析方法的劣势与不足。可视分析商品特征将人面对可视化信息时强大的感知认知能力与计算机的分析计算能力优势进行有机融合，基于数据挖掘技术，综合利用认知理论、科学/信息可视化以及人机交互技术,辅助用户更为直观和高效地洞悉商品特征信息。

2. 研究的基本内容与方案

2.1基本内容

根据信息系统的开发要求，有计划、分阶段地完成系统设计与开发。通过各种调查调研方法，结合数字图书馆的文献综述，根据商品特征分析系统的功能需求，进行详细的系统分析和系统设计。使用现代的生产工具和数据库完成系统的开发，商品特征分析系统应能准确无误的反映用户的业务流程，以用户需求为基本出发点，并具有高可靠性。同时尽可能使系统简洁明了，人机界面友好，易于操作和使用。要求为爬取电商平台上用户评论，对文本数据进行分词、词性标注，根据词频、位置、词性等因素提取关键词。通过信息可视化的方法如词云，统计图等，向用户展示相关商品的商品属性、用户评论情感、购物人群分布等特征信息。

2.2技术方案

3. 研究计划与安排

2019.01.18之前：完成毕业设计选题；

2019.02.28之前：结合选题和任务书的目标要求，完成开题报告撰写；

2019.05.10之前：完成系统的设计和实施、提交论文初稿；

4. 参考文献（12篇以上）

[1] 丁永刚, 李石君, 付星等. 面向时序感知的多类别商品方面情感分析推荐模型[j]. 电子与信息学报, 2018, 第40卷(6):1453-1460.

[2] 任磊, 杜一, 马帅等. 大数据可视分析综述[j]. 软件学报,2014, 第25卷(9):1909-1936.

[3] 黄文秀. 数据挖掘技术及应用研究[j]. 网络安全技术与应用, 2018, (7):59-60，68.