基于BiGRU-AE情感模型的用户餐饮消费行为分析

发布时间：2021-04-05 00:30

　　随着互联网的飞速发展,用户的评论文本信息呈喷井式增长,在这互联网大数据时代中,这些关于用户评论的文本数据中包含着许多有价值的信息。本文研究涉及文本数据的情感极性分析,该方向的研究近年来已经取得了很好的研究进展,越来越展示了广阔的应用前景。本文主要研究用户评论情感分析模型,适用于餐厅领域的用户和商家,可以精准直观的获取用户对餐饮的消费行为喜好。实验的主要内容是提出基于BiGRU-AE情感分析模型,这是一种双向的GRU学习训练方式,通过注意力机制的方式将方面词向量与其加权融合得出情感分析结果,同时还综合考虑了Word2Vec和BERT两种语言模型的预训练过程,使用字向量、词向量、字词融合向量三种不同的数据输入方式,分别对比不同输入方式的优势和缺陷。通过对比实验,验证该模型是能够提高文本表达的准确率,可以实现考虑文本数据的语义特征及长期的依赖关系。本文具有如下创新点:首先,提出了 BIGRU-AE情感分析模型,增强对文本上下文的情感分析的学习能力;其次,对GCAE模型和SynATT模型做了改进;此外,在数据预处理过程中提出了字词融合模型作为数据输入。在用户评论数据情感分析模型的基本思路和实验... 

【文章来源】：杭州师范大学浙江省

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 方面级情感分析
        1.2.2 字词向量表示
    1.3 论文内容和结构
    1.4 研究工作创新点
2 相关理论与技术基础
    2.1 数据预处理相关技术
        2.1.1 停用词处理
        2.1.2 繁体化简处理
        2.1.3 分词处理
    2.2 词向量模型
        2.2.1 离散表示的词向量模型
        2.2.2 分布式表示的词向量模型
    2.3 神经网络模型
        2.3.1 长短记忆神经网络
        2.3.2 门控循环神经网络
    2.4 注意力机制
    2.5 本章小结
3 预处理过程
    3.1 方面级特征提取
    3.2 字词向量化模型
        3.2.1 字词融合向量模型
        3.2.2 字词融合向量实验结果对比
    3.3 语言模型算法
        3.3.1 Word2Vec语言模型
        3.3.2 BERT语言模型
    3.4 实验结果分析与讨论
        3.4.1 评价指标
        3.4.2 实验数据集介绍
        3.4.3 语言模型实验结果对比
    3.5 本章小结
4 方面级情感分析算法模型研究
    4.1 研究动机
    4.2 情感分析模型算法
        4.2.1 GCAE模型
        4.2.2 SynATT模型
        4.2.3 LSTM-AE模型
    4.3 模型改进与实验
        4.3.1 GCAE模型改进
        4.3.2 SynATT模型改进
    4.4 BiGRU-AE模型构建
    4.5 实验结果分析与讨论
    4.6 本章小结
5 实验系统的设计与验证
    5.1 系统需求分析
    5.2 系统开发框架
    5.3 系统技术分析
        5.3.1 获取的数据内容
        5.3.2 数据预处理
        5.3.3 用户评论数据分析
        5.3.4 数据可视化展示
    5.4 实验系统架构设计
    5.5 实验系统流程设计
    5.6 实验系统数据库设计
    5.7 实验系统界面设计与实现
        5.7.1 个体消费行为分析趋向
        5.7.2 餐饮市场消费情况分析
    5.8 本章小结
6 总结和展望
    6.1 工作总结
    6.2 研究展望
参考文献
作者简介
致谢


【参考文献】：
期刊论文
[1]Study of Sentiment Classification for Chinese Microblog Based on Recurrent Neural Network[J]. ZHANG Yangsen,JIANG Yuru,TONG Yixuan.  Chinese Journal of Electronics. 2016(04)
[2]Minimal Gated Unit for Recurrent Neural Networks[J]. Guo-Bing Zhou,Jianxin Wu,Chen-Lin Zhang,Zhi-Hua Zhou.  International Journal of Automation and Computing. 2016(03)
[3]W-POS语言模型及其选择与匹配算法[J]. 邱云飞,刘世兴,魏海超,邵良杉.  计算机应用. 2015(08)



本文编号：3118787