基于情感分析的在线评论文本分类研究

发布时间：2024-07-09 02:02

　　互联网的普及和网民规模的不断壮大,支撑了我国电子商务的巨大发展,在线购物深受消费者喜爱。随着社交媒体的发展,电子商务也逐渐形成了社会商务的新发展模式,用户在线评论也促进了电子商务发展。海量的评论文本中蕴含了丰富的信息,这些信息为消费者决策、商家改进产品、选择营销策略和升级用户体验提供帮助,充分挖掘在线评论信息有助于产生巨大的经济价值,也为企业品牌的管理者提供决策支持和管理启示。面对海量的在线评论文本,单纯依靠人力对其进行处理和分析,任务量大且效率不高。因此,通过文本挖掘技术对评论数据进行爬取、处理、实验,提取有价值的信息,成为电子商务网站研究的重点。在自然语言处理领域中,运用机器学习方法进行情感分析和文本分类是重要的研究课题,其中仍存在问题需要深入探究,自动文本分类算法的也有改进的空间。文章从情感分析和文本分类两个角度,提出一种基于产品特征的情感分析方法,并在此基础上,构建基于情感分析改进的在线评论分类模型,对在线评论文本进行分析。情感分析方法使用Word2vec模型对文本进行向量化转换,结合人工提取和Word2vec建立产品特征词库和情感词库,完成“特征—观点”对的识别,标注情感极性...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图1-2文章技术路线图

江南大学硕士学位论文121.3.3研究技术路线本文从情感分析和文本分类两个角度，提出一种基于产品特征的情感分析方法，并在此基础上，构建基于情感分析改进的在线评论分类模型，对在线评论文本进行分析。情感分析方法使用Word2vec模型对文本进行向量化转换，结合人工提取和Word2ve....

图2-1Word2vec文本表示结构

第二章相关理论及方法介绍15示。Word2vec包含两种经典的训练模型：连续词袋模型（CBOW）和跳字模型（Skip-gram）。CBOW模型的核心思想是输入已知特征词的上下文，输出对当前特征词的预测。Skip-gram模型则是输入已知当前特征词，输出对上下文的预测。在大量的语料....

图2-2一个特征词上下文的CBOW网络结构

第二章相关理论及方法介绍15示。Word2vec包含两种经典的训练模型：连续词袋模型（CBOW）和跳字模型（Skip-gram）。CBOW模型的核心思想是输入已知特征词的上下文，输出对当前特征词的预测。Skip-gram模型则是输入已知当前特征词，输出对上下文的预测。在大量的语料....

图2-3多个特征词上下文的CBOW网络结构

第二章相关理论及方法介绍17图2-3多个特征词上下文的CBOW网络结构2.2.3Skip-gram模型Skip-gram模型思想和CBOW模型类似，但Skip-gram输入的特征词是已知的，但2,1,+1,+2是未知的。网络结构如图2-4所示：图2-4Skip-gram网络结构其....

本文编号：4004221