基于评论情感分析的手机品牌分类模型研究

发布时间：2023-03-04 11:50

　　智能手机的出现推动了社会的转型升级,方便了人们的生活。但普通用户由于信息的不对等性,缺乏手机品牌的相关信息而无法判断。而随着以机器学习为代表的新方法逐渐兴起,通过海量信息处理而提取手机品牌特征成为现实。因此,本文提出利用消费者的手机购买评论去对手机品牌进行分类预测,主要完成工作如下:(1)数据预处理和自定义词典构建。通过数据预处理和规范化,完成了对手机评论的高频词统计,并构建了手机评论领域自定义词典,对手机评论内容进行了归纳。(2)手机品牌分类模型的构建。在词频统计的基础上,对手机评论的不同特征进行归类,提取了外观设计、产品性能、拍照等特征,之后实现与特征相近关联词的聚类分析,利用情感字典对评论内容进行情感向量化;以特征向量为基础,智能手机品牌为标签,并构建基于SVM算法的分类模型。(3)对分类模型进行评估和应用场景研究。通过SVM算法模型与BP神经网络、KNN等分类模型对比,验证得到SVM具有更好的分类效果;对手机品牌分类模型进行场景应用分析,能够对用户购买手机提供决策建议,具有实际需求。

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景介绍
    1.2 研究目的和意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 研究思路和结构
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 研究框架和结构示意图
    1.4 本文的创新点
第二章 文献综述与相关理论
    2.1 文献综述
        2.1.1 手机评论分析的相关文献综述
        2.1.2 目前研究中存在的不足
    2.2 相关技术理论
        2.2.1 文本分析
        2.2.2 SVM原理
        2.2.3 BP神经网络原理
        2.2.4 KNN原理
        2.2.5 word2vec技术
        2.2.6 主成分分析法
        2.2.7 分类模型评价指标
    2.3 本章小结
第三章 手机品牌分类模型的构建
    3.1 数据的获取与预处理
        3.1.1 数据获取
        3.1.2 数据预处理
    3.2 特征提取与分析
        3.2.1 基于word2vec的特征提取
        3.2.2 基于情感词典的特征向量化
    3.3 手机品牌分类模型的实现
        3.3.1 模型设计
        3.3.2 实验描述
    3.4 本章小结
第四章 手机品牌分类预测模型分析与应用
    4.1 模型的研究实验结果分析
        4.1.1 基于SVM的实验结果分析
        4.1.2 基于BP神经网络的实验结果分析
        4.1.3 基于KNN的实验结果分析
    4.2 手机品牌分类模型的应用
        4.2.1 实验结果总结和参数说明
        4.2.2 场景可视化
        4.2.3 模型应用
    4.3 本章小结
第五章 结论和展望
    5.1 结论
    5.2 未来展望
致谢
参考文献
攻读硕士期间取得的研究成果



本文编号：3754239