面向商品评论的文本智能理解

发布时间：2021-02-06 04:13

　　手机等智能终端设备的快速普及给用户提供了快捷的信息传播渠道,使得互联网信息的产生方式从Web2.0时代以网站雇员为主转变为现在以用户为主。得益于信息传播的便捷性,网络购物已成为多数人生活的一部分。在网购过程中,电商网站的在线评论系统和问答系统为消费者提供了信息互动平台:用户可以在评论系统上描述自己的购物体验,也可以通过在线问答系统向商家或其他用户咨询某一款商品的相关信息。分析并挖掘上述用户产生的评论中的潜在信息并利用这些信息设计智能回复、即时推荐等互动功能可以有效提升用户的体验和购物效率。但上述互动平台产生的文本数据与政府新闻等正式文体不同,这种消费者在购物前后所产生的评论文本带有强烈的个人主观情感取向。因此,面向评论的情感分析就成为了评论文本智能理解的基石。其中,面向商品评论的情感极性识别是情感分析的核心问题。深度学习方法近年来在文本情感分类问题上表现优秀,但缺乏大规模高质量的标注数据是其瓶颈问题。为解决该问题,本文提出了一种弱监督深度学习方法,利用用户评分作为弱标注数据来预训练深度模型,再利用少量标注数据微调整个模型的参数。实验表明该方法在商品评论数据的情感分类任务上表现优秀。在文... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：99 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 国内外研究现状
        1.1.1 情感分析
        1.1.2 智能问答
        1.1.3 面向评论的推荐算法
    1.2 本文主要内容
第二章 总体框架与关键技术
    2.1 论文总体框架
    2.2 评论文本的预处理技术
    2.3 深度模型中的特征抽取结构
第三章 商品评论的情感极性识别
    3.1 情感语义识别
    3.2 基于弱监督深度学习的情感分类
    3.3 基于CNN的弱监督深度模型
    3.4 基于LSTM的弱监督深度模型
    3.5 基于弱标注数据的预训练方法
        3.5.1 面向单标签型弱标注数据的弱监督训练方法
        3.5.2 面向多标签型弱标注数据的弱监督训练学习方法
    3.6 有监督学习微调模型
    3.7 实验验证
        3.7.1 面向商品评论的情感极性识别方法对比
        3.7.2 弱监督训练方法的评估
        3.7.3 WDE-CNN与 WDE-LSTM分类效果对比
        3.7.4 预训练间隔参数λ对模型分类性能的影响
    3.8 本章小结
第四章 面向用户提问的快速反馈算法
    4.1 商品评论问答
    4.2 多任务深度学习模型
        4.2.1 问题定义
        4.2.2 模型结构
        4.2.3 模型的训练方法
    4.3 实验验证
        4.3.1 实验数据及其预处理
        4.3.2 实验细节
        4.3.3 对比方法和评估指标
        4.3.4 结果分析
        4.3.5 预训练程度分析和正则项效果验证
        4.3.6 调参实验
        4.3.7 注意力机制效果的可视化分析
    4.4 本章小结
第五章 基于用户购买倾向分析的推荐系统
    5.1 问题驱动式推荐
    5.2 问题驱动的注意力网络
        5.2.1 问题定义
        5.2.2 模型结构
        5.2.3 模型的训练策略
    5.3 实验
        5.3.1 数据集和预处理
        5.3.2 实验的实现细节
        5.3.3 评价指标
        5.3.4 对比算法简介和性能对比结果
        5.3.5 阉割实验
        5.3.6 调参实验
        5.3.7 推荐理由的可视化分析
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来工作展望
参考文献
致谢
攻读博士学位期间取得的科研成果
个人简介


【参考文献】：
期刊论文
[1]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[2]面向跨领域情感分类的统一框架[J]. 吴琼,刘悦,沈华伟,张瑾,许洪波,程学旗.  计算机研究与发展. 2013(08)
[3]基于依存句法的博文情感倾向分析研究[J]. 冯时,付永陈,阳锋,王大玲,张一飞.  计算机研究与发展. 2012(11)



本文编号：3020130