面向游戏评论的评价标签抽取技术研究
发布时间：2021-05-17 21:04
随着社交媒体逐渐兴起,更多的用户选择在各类网络平台上发表自身的看法。这类表达大多以评论数据的形式被展示在网络之中,以供其他人进行浏览和进一步的探讨。游戏平台作为近年快速发展的网络平台类型之一,其内部也留下了大量的用户游戏评论数据,这些数据蕴含着重要的价值。可以利用自然语言处理的相关技术对这些数据进行处理分析,面向游戏评论的评价标签抽取技术的研究对发掘用户信息、帮助提高用户体验等方面有着重要的指导意义。本课题主要任务为:给定一段游戏评论文本信息,通过模型自动抽取出富含游戏特征的评价标签。研究内容属于细粒度情感分析领域,主要有以下四个子任务:评价对象的抽取、评价词的抽取、评价对象与评价词的搭配、候选标签聚类。以往的研究中,对于此类任务的解决方法大多是使用一种线性的、流程化的方式,从第一个子任务到最后一个子任务分步进行处理,层层递进,处理流程冗长复杂。本论文提出一种基于多任务学习的神经网络模型,可以同时进行对评价对象和评价词的抽取。分别获取到评价对象以及评价词之后,只需通过简单分析,可以得到候选标签。最后使用Kmeans算法对候选标签进行聚类分析,筛选出富有代表性的评价标签。本研究的最终展现...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究目的和意义
1.1.1 课题背景
1.1.2 课题研究的目的和意义
1.2 国内外研究现状
1.2.1 评价对象及评价词抽取的研究现状
1.2.2 评价标签抽取的研究现状
1.2.3 游戏评论生存环境分析
1.2.4 评价标签抽取技术应用现状
1.3 本文研究内容及章节安排
1.3.1 本文研究内容
1.3.2 本文章节安排
第2章 基于多任务学习的游戏评价抽取
2.1 引言
2.2 游戏评论数据分析
2.3 评价对象及评价词抽取的算法研究
2.4 实验设置
2.4.1 游戏评论语料集分析
2.4.2 对比实验模型
2.5 实验结果及分析
2.6 本章小结
第3章 基于语义表示的游戏评价标签聚类
3.1 引言
3.2 游戏评价标签数据分析
3.3 游戏评价标签聚类的算法研究
3.4 实验设置
3.4.1 候选评价标签分析
3.4.2 实验语料集分析
3.4.3 对比实验模型
3.5 实验结果及分析
3.6 本章小结
第4章 系统设计及实现
4.1 数据来源及处理
4.1.1 数据搜集
4.1.2 数据预处理
4.1.3 数据管理
4.2 目标用户分析
4.3 页面关系设计
4.4 小程序界面设计
4.5 小程序编程分析
4.6 发布及测试
4.7 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]面向方面记忆网络的IT产品细粒度情感分析[J]. 李晋源,康雁,杨其越,王沛尧,崔国荣. 计算机工程与应用. 2020(03)
[2]基于叠层循环神经网络的语义关系分类模型[J]. 郝志峰,陈培辉,蔡瑞初,温雯,王丽娟. 计算机应用研究. 2020(01)
[3]在线评论研究综述:基于细粒度情感分析视角[J]. 贾守帆,张博,彭世豪. 电子商务. 2018(11)
[4]基于LSTM的商品评论情感分析[J]. 於雯,周武能. 计算机系统应用. 2018(08)
[5]微信小程序的广告形式与效果研究——以小游戏“跳一跳”为例[J]. 李梦媛. 新媒体研究. 2018(13)
[6]基于多特征融合与双向RNN的细粒度意见分析[J]. 郝志峰,黄浩,蔡瑞初,温雯. 计算机工程. 2018(07)
[7]网络产品评论细粒度意见挖掘研究综述[J]. 颜端武,江蕊,杨雄飞,鞠宁. 现代情报. 2018(07)
[8]使用深度长短时记忆模型对于评价词和评价对象的联合抽取[J]. 沈亚田,黄萱菁,曹均阔. 中文信息学报. 2018(02)
[9]An overview of multi-task learning[J]. Yu Zhang,Qiang Yang. National Science Review. 2018(01)
[10]一种基于联合深度学习模型的情感分类方法[J]. 杨艳,徐冰,杨沐昀,赵晶晶. 山东大学学报(理学版). 2017(09)
硕士论文
[1]在线评论细粒度属性情感分类模型研究[D]. 杨伊态.武汉纺织大学 2018
[2]面向产品评论的细粒度情感分析[D]. 李盛秋.哈尔滨工业大学 2017
[3]手游评论情感分析关键技术研究与应用[D]. 陈海棋.华南理工大学 2017
[4]基于树核函数的中文实体语义关系抽取方法的研究[D]. 庄成龙.苏州大学 2009
本文编号：3192450
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究目的和意义
1.1.1 课题背景
1.1.2 课题研究的目的和意义
1.2 国内外研究现状
1.2.1 评价对象及评价词抽取的研究现状
1.2.2 评价标签抽取的研究现状
1.2.3 游戏评论生存环境分析
1.2.4 评价标签抽取技术应用现状
1.3 本文研究内容及章节安排
1.3.1 本文研究内容
1.3.2 本文章节安排
第2章 基于多任务学习的游戏评价抽取
2.1 引言
2.2 游戏评论数据分析
2.3 评价对象及评价词抽取的算法研究
2.4 实验设置
2.4.1 游戏评论语料集分析
2.4.2 对比实验模型
2.5 实验结果及分析
2.6 本章小结
第3章 基于语义表示的游戏评价标签聚类
3.1 引言
3.2 游戏评价标签数据分析
3.3 游戏评价标签聚类的算法研究
3.4 实验设置
3.4.1 候选评价标签分析
3.4.2 实验语料集分析
3.4.3 对比实验模型
3.5 实验结果及分析
3.6 本章小结
第4章 系统设计及实现
4.1 数据来源及处理
4.1.1 数据搜集
4.1.2 数据预处理
4.1.3 数据管理
4.2 目标用户分析
4.3 页面关系设计
4.4 小程序界面设计
4.5 小程序编程分析
4.6 发布及测试
4.7 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
【参考文献】：
期刊论文
[1]面向方面记忆网络的IT产品细粒度情感分析[J]. 李晋源,康雁,杨其越,王沛尧,崔国荣. 计算机工程与应用. 2020(03)
[2]基于叠层循环神经网络的语义关系分类模型[J]. 郝志峰,陈培辉,蔡瑞初,温雯,王丽娟. 计算机应用研究. 2020(01)
[3]在线评论研究综述:基于细粒度情感分析视角[J]. 贾守帆,张博,彭世豪. 电子商务. 2018(11)
[4]基于LSTM的商品评论情感分析[J]. 於雯,周武能. 计算机系统应用. 2018(08)
[5]微信小程序的广告形式与效果研究——以小游戏“跳一跳”为例[J]. 李梦媛. 新媒体研究. 2018(13)
[6]基于多特征融合与双向RNN的细粒度意见分析[J]. 郝志峰,黄浩,蔡瑞初,温雯. 计算机工程. 2018(07)
[7]网络产品评论细粒度意见挖掘研究综述[J]. 颜端武,江蕊,杨雄飞,鞠宁. 现代情报. 2018(07)
[8]使用深度长短时记忆模型对于评价词和评价对象的联合抽取[J]. 沈亚田,黄萱菁,曹均阔. 中文信息学报. 2018(02)
[9]An overview of multi-task learning[J]. Yu Zhang,Qiang Yang. National Science Review. 2018(01)
[10]一种基于联合深度学习模型的情感分类方法[J]. 杨艳,徐冰,杨沐昀,赵晶晶. 山东大学学报(理学版). 2017(09)
硕士论文
[1]在线评论细粒度属性情感分类模型研究[D]. 杨伊态.武汉纺织大学 2018
[2]面向产品评论的细粒度情感分析[D]. 李盛秋.哈尔滨工业大学 2017
[3]手游评论情感分析关键技术研究与应用[D]. 陈海棋.华南理工大学 2017
[4]基于树核函数的中文实体语义关系抽取方法的研究[D]. 庄成龙.苏州大学 2009
本文编号：3192450
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3192450.html
