基于文本挖掘的民宿评论细粒度情感分析
发布时间：2021-02-22 17:19
互联网技术、信息技术以及经济的飞速发展,给共享经济提供了良好的发展平台,共享模式遍布生活各个方面,人们的生活也因此发生了日新月异的变化。共享空间模式的出现,给人们的出行住宿提供了多样性的选择。民宿这一新型的共享住宿产品,因其舒适、自由的体验倍受广大出行用户的喜爱。鉴于共享单车从繁荣到衰退的历史,民宿行业应该重视与反思自身的发展状况与存在的问题,奔着可持续发展的目标前行。所以利用文本挖掘技术,分析民宿目前的状况是十分有意义的。目前在线酒店预订网站能够实现线下房源信息在线上展示,方便消费者线上浏览、预订、反馈。因此本文从在线酒店预订网站的民宿评论出发,总结民宿行业的特征评价体系,挖掘用户对民宿特征的情感倾向,为酒店和民宿的经营者提供直观的用户评价信息,从而给他们提供经营参考性价值。以下三部分是本文的主要研究工作:（1）抽取情感评价单元。首先抓取评论数据及进行预处理操作。设计了基于python的爬虫程序用于从携程网站爬取民宿评论。自定义了酒店领域专有名词词典用于jieba分词,促进酒店领域特征被完整的切分。自定义停用词典用于过滤无表示意义的词。使用ltp工具进行词性标注,并去除无意义词性及词...
【文章来源】：江西农业大学江西省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
部分评论信息Fig3-3Partofcommentinformation
图 5-1 特征词云Fig 5-1 Feature word cloud图 5-2 用户最关注的的 5 大特征Fig 5-2 Five features that users are most concerned about
用户最关注的的5大特征
【参考文献】：
期刊论文
[1]江浙沪旅游民宿市场需求偏好研究[J]. 王梦然,何雨,李芳. 当代经济. 2019(01)
[2]基于词典的商品评论情感分析[J]. 常丹,王玉珍. 邵阳学院学报(自然科学版). 2018(05)
[3]基于word2vec的酒店评论情感分类研究[J]. 谢宗彦,黎巎,周纯洁. 北京联合大学学报. 2018(04)
[4]基于朴素贝叶斯的酒店评论情感倾向性分析[J]. 焦凤. 现代计算机(专业版). 2018(20)
[5]基于机器学习的微博情感分类研究[J]. 冯成刚,田大钢. 软件导刊. 2018(06)
[6]基于向量空间的文本聚类算法[J]. 高强. 电子世界. 2017(20)
[7]特征加权融合的朴素贝叶斯情感分类算法[J]. 曾宇,刘培玉,刘文锋,朱振方. 西北师范大学学报(自然科学版). 2017(04)
[8]细粒度情感分析的酒店评论研究[J]. 李鸣,吴波,宋阳,朱梦尧,徐志广,张宏俊. 传感器与微系统. 2016(12)
[9]基于Web文本挖掘算法预防现实危害的研究[J]. 吴威. 信息网络安全. 2016(09)
[10]基于知网与词林的词语语义相似度计算[J]. 朱新华,马润聪,孙柳,陈宏朝. 中文信息学报. 2016(04)
博士论文
[1]基因本体术语相似度计算和扩展方法研究[D]. 彭佳杰.哈尔滨工业大学 2015
[2]细粒度情感分析研究[D]. 施寒潇.苏州大学 2013
[3]文本挖掘若干关键技术研究[D]. 陈晓云.复旦大学 2005
硕士论文
[1]基于Word2Vec的中文短文本聚类算法研究与应用[D]. 马存.中国科学院大学(中国科学院沈阳计算技术研究所) 2018
[2]基于LSTM模型分析的酒店智能推荐系统研究[D]. 刘烨.上海师范大学 2018
[3]基于语义相似度的中文文本聚类算法研究[D]. 杨开平.电子科技大学 2018
[4]网络评论文本的细粒度情感分析研究[D]. 蔡肖红.山东师范大学 2017
[5]关于酒店评论的中文短文本情感分类研究[D]. 徐泓洋.青岛大学 2018
[6]基于语义相似度的文本聚类算法研究[D]. 李春婷.重庆邮电大学 2017
[7]酒店领域文本情感分类研究[D]. 陈柯宇.重庆大学 2017
[8]在线评论对酒店消费者购买决策行为的影响研究[D]. 闵曙辉（Jesse MIN）.南京师范大学 2016
[9]基于酒店中文评论情感倾向分析[D]. 李长江.华南理工大学 2016
[10]基于词向量的短文本聚类研究与应用[D]. 黄栋.大连理工大学 2017
本文编号：3046314
【文章来源】：江西农业大学江西省
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
部分评论信息Fig3-3Partofcommentinformation
图 5-1 特征词云Fig 5-1 Feature word cloud图 5-2 用户最关注的的 5 大特征Fig 5-2 Five features that users are most concerned about
用户最关注的的5大特征
【参考文献】：
期刊论文
[1]江浙沪旅游民宿市场需求偏好研究[J]. 王梦然,何雨,李芳. 当代经济. 2019(01)
[2]基于词典的商品评论情感分析[J]. 常丹,王玉珍. 邵阳学院学报(自然科学版). 2018(05)
[3]基于word2vec的酒店评论情感分类研究[J]. 谢宗彦,黎巎,周纯洁. 北京联合大学学报. 2018(04)
[4]基于朴素贝叶斯的酒店评论情感倾向性分析[J]. 焦凤. 现代计算机(专业版). 2018(20)
[5]基于机器学习的微博情感分类研究[J]. 冯成刚,田大钢. 软件导刊. 2018(06)
[6]基于向量空间的文本聚类算法[J]. 高强. 电子世界. 2017(20)
[7]特征加权融合的朴素贝叶斯情感分类算法[J]. 曾宇,刘培玉,刘文锋,朱振方. 西北师范大学学报(自然科学版). 2017(04)
[8]细粒度情感分析的酒店评论研究[J]. 李鸣,吴波,宋阳,朱梦尧,徐志广,张宏俊. 传感器与微系统. 2016(12)
[9]基于Web文本挖掘算法预防现实危害的研究[J]. 吴威. 信息网络安全. 2016(09)
[10]基于知网与词林的词语语义相似度计算[J]. 朱新华,马润聪,孙柳,陈宏朝. 中文信息学报. 2016(04)
博士论文
[1]基因本体术语相似度计算和扩展方法研究[D]. 彭佳杰.哈尔滨工业大学 2015
[2]细粒度情感分析研究[D]. 施寒潇.苏州大学 2013
[3]文本挖掘若干关键技术研究[D]. 陈晓云.复旦大学 2005
硕士论文
[1]基于Word2Vec的中文短文本聚类算法研究与应用[D]. 马存.中国科学院大学(中国科学院沈阳计算技术研究所) 2018
[2]基于LSTM模型分析的酒店智能推荐系统研究[D]. 刘烨.上海师范大学 2018
[3]基于语义相似度的中文文本聚类算法研究[D]. 杨开平.电子科技大学 2018
[4]网络评论文本的细粒度情感分析研究[D]. 蔡肖红.山东师范大学 2017
[5]关于酒店评论的中文短文本情感分类研究[D]. 徐泓洋.青岛大学 2018
[6]基于语义相似度的文本聚类算法研究[D]. 李春婷.重庆邮电大学 2017
[7]酒店领域文本情感分类研究[D]. 陈柯宇.重庆大学 2017
[8]在线评论对酒店消费者购买决策行为的影响研究[D]. 闵曙辉（Jesse MIN）.南京师范大学 2016
[9]基于酒店中文评论情感倾向分析[D]. 李长江.华南理工大学 2016
[10]基于词向量的短文本聚类研究与应用[D]. 黄栋.大连理工大学 2017
本文编号：3046314
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3046314.html
