基于LSTM模型分析的酒店智能推荐系统研究

发布时间：2021-02-27 06:10

　　近几年,文本分析这个研究方向十分火热。由于英文比中文要更简单,所以在文本分析上,国外英文文本分析要比中文文本分析更加成熟。在中文文本分析上,还是存在许多问题需要研究,中文与英文不同,需要分词处理,而且中文博大精深,词在不同的句子中有不同的含义,不同环境下的句子也有不同的意思,再加上网络词语的不断更新,所以,中文文本研究还有很大的研究空间。如今,深度学习是最流行也最先进的研究方法,深度学习的概念起源于人工神经网络,最早兴起于图像识别,但是在短短几年时间内,深度学习推广到了机器学习的各个领域,在自然语言处理也有很大的发展。神经网络学习在很多研究方向都得到了很好的效果,例如AlphaGo战胜人类职业围棋选手,这是第一个战胜围棋世界冠军的人工智能程序,其主要原理是深度学习;在图像分类与处理上,卷积神经网络（Convolutional Neural Network,CNN）也得到了很好的研究成果;还有现在的网络聊天机器人也是运用深度学习算法在自然语言处理上的研究成果。在酒店评论分析领域里,目前的研究成果来看,还是以机器学习的方法对酒店评论文本分类,研究结果还有很多改善的空间,LSTM（Long ... 

【文章来源】：上海师范大学上海市

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

sigmoid函数y=σx=t

tanh函数y=tanhx=ttt

RNN模型

【参考文献】：
期刊论文
[1]基于中文文本分析的微博情感地图的制作[J]. 郭义超,樊红.  计算机系统应用. 2017(02)
[2]分段卷积神经网络在文本情感分析中的应用[J]. 杜昌顺,黄磊.  计算机工程与科学. 2017(01)
[3]面向酒店评论的情感分析模型[J]. 李胜宇,高俊波,许莉莉.  计算机系统应用. 2017(01)
[4]结合卷积神经网络和词语情感序列特征的中文情感分析[J]. 陈钊,徐睿峰,桂林,陆勤.  中文信息学报. 2015(06)
[5]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英.  中文信息学报. 2015(05)
[6]基于语义分析的中文微博情感分类方法[J]. 杨佳能,阳爱民,周咏梅.  山东大学学报(理学版). 2014(11)
[7]基于SVM与RNN的文本情感关键句判定与抽取[J]. 刘铭,昝红英,原慧斌.  山东大学学报(理学版). 2014(11)
[8]基于深度学习的微博情感分析[J]. 梁军,柴玉梅,原慧斌,昝红英,刘铭.  中文信息学报. 2014(05)
[9]基于多特征微博话题情感倾向性判定算法研究[J]. 刘全超,黄河燕,冯冲.  中文信息学报. 2014(04)
[10]中文微博情感分析研究综述[J]. 周胜臣,瞿文婷,石英子,施询之,孙韵辰.  计算机应用与软件. 2013(03)



本文编号：3053808