基于DeepLearning4J的商品中文评论情感分类系统的研究与实现

发布时间：2021-06-22 10:46

　　随着互联网技术的飞速发展和逐渐成熟,互联网技术极大地改善了人们的生活方式。现在人们足不出户也能通过电子商务平台购买世界各地的东西,在购买商品的同时,也可以对所购买商品进行评价。有效处理分析这些评论数据对于指导商家改善商品以及帮助用户快速做出决策都有极大的意义。因此,越来越多的研究人员展开了对商品评论进行情感分类的研究。目前主流的情感分类研究方法主要分为基于规则的方法以及基于机器学习的方法。而在具体实现过程中,基于规则的方法无法处理不符合规范的文本,而传统的机器学习方法需要定义大量情感词典并且着重于人工特征的选取,具有一定的局限性。随着深度学习的发展,越来越多的研究人员选择使用深度学习相关技术进行情感分类的研究,使用深度学习能有效提高分类的准确率并且降低人工成本。但目前商品情感分类系统在结果展示方面,大多数都只是简单展示分类结果以及语料的词频,而不能准确将评论数据中用户描述商品的观点词进行提取及展示。现有很多流行的深度学习框架,如TensorFlow、Torch、Caffe、Theano等,这些框架基本都是基于Python或者C/C++开发的,而那些大量使用Java生态圈中开源项目进行项... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

电子商务平台评论数据示例

DeepLearning4J模型训练过程图

西南大学工程硕士学位论文10图2-2网络爬虫工作流程图网络爬虫是传统搜索引擎技术的一个重要组件，决定着整个系统的资源是否丰富，查询结果是否全面。网络爬虫一般可分为以下几个模块[47]。·页面下载负责下载互联网中的网页信息，这是网络爬虫的基础，只有先将html页面下载后才能对其进行进一步处理。·链接提取对于已经下载的页面进行解析，将其中符合进一步爬取要求的URL链接提取出来，这是网络爬虫能够进行不间断爬取的基本前提。·URL管理主要负责管理URL，包括对URL进行过滤、去重以及队列调度。·内容分析和持久化负责将html页面中所需要提取的文本数据转化为结构化数据并对其进行过滤和索引，然后存储到本地以便进行进一步分析。2.2.2网络爬虫主流工具Selenium[48]是由thoughtWorks公司开发的Web自动化测试工具。它像真实用

【参考文献】：
期刊论文
[1]深度学习理论综述与研究展望[J]. 张沛阳.  网络安全技术与应用. 2020(04)
[2]广义文本情感分析综述[J]. 杨开漠,吴明芬,陈涛.  计算机应用. 2019(S2)
[3]中文文本分类方法综述[J]. 于游,付钰,吴晓平.  网络与信息安全学报. 2019(05)
[4]基于Self-Attention和Bi-LSTM的中文短文本情感分析[J]. 吴小华,陈莉,魏甜甜,范婷婷.  中文信息学报. 2019(06)
[5]主题爬虫技术研究综述[J]. 潘晓英,陈柳,余慧敏,赵逸喆,肖康泞.  计算机应用研究. 2020(04)
[6]基于深度学习的中文影评情感分析[J]. 周敬一,郭燕,丁友东.  上海大学学报(自然科学版). 2018(05)
[7]基于两种LSTM结构的文本情感分析[J]. 张玉环,钱江.  软件. 2018(01)
[8]基于混合卡方统计量与逻辑回归的文本情感分析[J]. 李平,戴月明,王艳.  计算机工程. 2017(12)
[9]基于多注意力卷积神经网络的特定目标情感分析[J]. 梁斌,刘全,徐进,周倩,章鹏.  计算机研究与发展. 2017(08)
[10]基于Selenium WebDriver的自动交互式数据采集技术研究[J]. 侯志江.  图书情报导刊. 2017(04)

博士论文
[1]情感词典构建方法及其应用研究[D]. 邓东.北京交通大学 2019

硕士论文
[1]基于卷积神经网络的商品评论情感分析的研究[D]. 周泳东.南京邮电大学 2019
[2]文本表示算法的研究和应用[D]. 李晓鹏.北京邮电大学 2016



本文编号：3242697