网络学习产品评论情感分析与可视化表示

发布时间：2021-02-11 22:34

　　网络学习产品评论情感分析能够将用户的使用体验情感得到充分表达,为用户提供更高效的价值参考,实现用户、供应商与平台的共赢。网络学习产品的评论是用户基于使用体验对产品内容的主观印象的阐述,往往饱含着用户对产品的价值判断和情感倾向。这些情感使网络学习产品在开发中能更好的获得市场需求反馈,为产品的优化指明方向,同时为网络学习产品用户在选择产品时提供意见参考,提高用户选择的质量和效率,另外网络学习平台可以根据用户评论的情感表达,进一步优化平台产品提供方式,增加用户黏性。但是,目前现有的针对网络学习产品评论情感分析和利用的程度不够,只对字面意思进行文本展示,对用户情感深度挖掘较少,且在展示上往往只采用笼统的文本加打分的形式表达,未发挥出评论资源应有的价值。因此有必要对网络学习产品评论进行情感分析,并采用可视化的方式进行展示。本文在了解网络学习和情感分析研究现状的基础上,对研究的网络学习产品和网络学习产品评论进行概念与范围说明,采用在线观察、问卷调查等方法,对网络学习产品市场发展现状和评论情感分析现状进行调研。然后,以中国大学慕课平台为研究对象,分析网络学习产品评论的文本特征,对获取数据进行深度清洗... 

【文章来源】：郑州航空工业管理学院河南省

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

情感分析国外研究年代分布图

引言-7-图1.2情感分析国内研究年代分布表根据国内文献调研现状，论文将根据其代表性观点进行研究，如表1.3所示。表1.3情感分析国内研究现状综述方向核心观点代表作者研究内容研究数量情感分析主观性内容识别研究洪宇；王根、赵军区分主客观内容类型中Bayes分类器算法的应用285褒贬情感分类研究韦向峰；姚天昉标注良莠基准词，得出待定词的褒贬倾向度185评论情感经济价值研究李涛；刘翠娟通过评论分析，优化设计提升体验44在主客观句判断方面，2004年胡敏庆和刘青[20]将形容词作为主客观句的分界线，若文本中包含“形容词+检测主题”，就认定该评论文本为主观句，为了使训练集的正确率得到进一步提高，通过多重Bayes分类算法，获得了较好的判断效果。2012年宋艳雪等[21]利用语义分析法，通过确定语义搭配集，在构建语境歧义词搭配词典的基础上，对评论文本做情感倾向性分析。对于褒贬情感分类的研究，2014年邸鹏等[22]构建出转折句分析法，该方法能够更有针对性的分析上下文语义转折文本情感，并对常用转折词与转折句式进行总结，提高了文本分析的有效性。2015年许歆艺等[23]提出“文本纹理”特征的新概念来对篇章级文本进行情感识别。研究以显性情感文本、语气词、一般性评论文本作为“文本纹理”基础特征，结合不同句式、词语共现频率和修辞用法等内

相关理论与技术概述-12-表2.1以学习形式划分的网络学习产品主要类型代表产品基本内容题库、作业类猿题库在线题库、智能1对一出题学霸君主打作业、拍照提问、10s解决学习宝拍照解答、识别公式与图形、错题记录计划、监督类我要当学霸督促学习，提高效率为主方向，新闻与学习圈功能番茄土豆番茄工作法与GTD结合，更高效完成学习与工作，偏工具型视频教学类慕课网细致分类，学校资源、在线视频、笔记、讨论百度传课在线课程，互动交流沪江网校免费与收费视频学习为主英语垂直类百词斩方向明确、科学规划英语流利说口语练习、识别评分课程类课程格子“课程+社交”为核心企业应用类钉钉课程培训、会议、交流、共享微恒MEM“教学管”一体化辅助（2）以学科领域分类的网络学习产品根据网络学习产品的不同模式，通过产品的主打学科领域进行划分，可以将其划分为十个分类：儿童兴趣与培养、K12阶段教育、考试考证培训、技能培训、公务员考试、语言教育类、分类信息与门户、教育信息技术服务、教育门户网站、在线学习工具，详见图2.1。图2.1学科领域分类的网络学习产品2.1.3网络学习产品评论概述网络学习产品评论是指产品消费者基于自身使用体验，对产品的内容构成、

【参考文献】：
期刊论文
[1]融合情感分析的中小企业信用风险评估研究[J]. 王和勇,芮晓贤.  中国管理信息化. 2019(07)
[2]基于词向量和CNN的书籍评论情感分析方法[J]. 李昊璇,张华洁.  测试技术学报. 2019(02)
[3]基于并行混合神经网络模型的短文本情感分析[J]. 陈洁,邵志清,张欢欢,费佳慧.  计算机应用. 2019(08)
[4]双通道卷积记忆神经网络文本情感分析[J]. 苏灵松,应捷,杨海马,肖昊琪.  软件导刊. 2019(07)
[5]网络口碑舆情情感强度测度模型研究——基于PAD三维情感模型[J]. 李吉,黄微,郭苏琳,孙悦.  情报学报. 2019(03)
[6]基于混合向量模型的中文评论情感分析[J]. 陈曦,朱小栋,高广阔,肖芳雄.  计算机工程. 2020(01)
[7]多层次语义规则和表情特征下的微博情感研究[J]. 常曹育,吴陈.  信息技术. 2019(03)
[8]基于注意力机制的文本情感倾向性研究[J]. 裴颂文,王露露.  计算机工程与科学. 2019(02)
[9]基于时空维度的国内外情感分析研究演化分析[J]. 赵蓉英,张扬.  情报科学. 2018(10)
[10]签到数据的热点区域时空模式与情感变化的可视化分析[J]. 蔡莉,潘俊,魏宝乐,周怡帆,李英姿.  小型微型计算机系统. 2018(09)

硕士论文
[1]汽车文本评论的情感极性分析[D]. 王贵烽.首都经济贸易大学 2018
[2]基于网络评论的情感分类技术的研究及应用[D]. 郭捷.电子科技大学 2018
[3]网络用户情感倾向的发现方法研究与应用[D]. 梁廷玉.电子科技大学 2018
[4]基于深度学习的细粒度中文情感分析及规则库学习[D]. 卢建东.北京邮电大学 2018
[5]基于Spark的微博数据分析系统的设计和实现[D]. 沈鹏飞.北京邮电大学 2018
[6]微博数据挖掘可视化系统的设计与实现[D]. 王婧雅.吉林大学 2017
[7]基于文本情感分析技术的用户评论分析系统设计与实现[D]. 康智凯.哈尔滨工业大学 2017
[8]面向Web舆情评价信息的采集与分析系统的研究与开发[D]. 周剑.苏州大学 2017
[9]社交网络中用户情感挖掘及传播特征分析[D]. 蔡梦思.湘潭大学 2017
[10]Twitter事件检测中的语义和情感分析[D]. 胡馨月.电子科技大学 2017



本文编号：3029821