融合情感分析和用户行为的关键评论提取方法研究

发布时间：2021-07-15 09:54

　　在Web2.0以后,人们已经习惯在社交网站上,对自己熟悉或感兴趣的商品、景点、美食以及电影等发表自己的观点,如:对景点的评论、特色美食的点评、酒店评论或者对某品牌产品的体验。所以,用户网络评论具有公开、可用和共享性,是社会舆论的一种重要的表达形式,用户也习惯于从商品的评论文本中检索重要的信息,为自己的决定找到一个准确的参考。但是目前互联网中信息量较大,比如:在电商系统中,对于某个商品的评价内容多达成千上万条,如何针对这些评论找到符合自己需求的观点显得尤为重要但实现起来比较困难。因此,如何对关键信息进行准确的提取则显得非常具有现实意义。现阶段在关键信息提取方法中存在两个问题:（1）现阶段在计算句子情感极性时,大多都是考虑纯文字句子的情感极性,很少考虑到表情符的情感极性对句子情感极性产生的影响,使句子的情感极性计算不够精确;（2）大多数学者在分析用户评论时,大多只分析评论数、点赞数以及转发数等表面行为,极少对评论内容以及回复评论内容进行考虑,显然分析的片面性对关键信息的提取存在着很大的偏差,使计算结果差强人意。因此,为了解决上述存在的问题,本文提出了融合情感分析和用户行为的关键评论提取方法... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

LDA生成模型结构

准确率对比实验结果

召回率对比实验结果

【参考文献】：
期刊论文
[1]基于关键句分析的微博情感倾向性研究[J]. 邵帅,刘学军,李斌.  计算机应用研究. 2018(04)
[2]基于主题角色的文本情感分类方法[J]. 刘晨晨,冯旭鹏,胡杨,刘利军,黄青松,段成香.  计算机应用与软件. 2017(01)
[3]基于种子词的微博表情符情感倾向判定方法[J]. 王伟,周咏梅,阳爱民,林江豪,陈昱宏,曾文俊.  数据采集与处理. 2017(01)
[4]基于word2vec的互联网商品评论情感倾向研究[J]. 黄仁,张卫.  计算机科学. 2016(S1)
[5]情感词扩展对微博情感分类性能影响的实验分析[J]. 刘德喜.  小型微型计算机系统. 2016(05)
[6]基于改进情感关键句抽取的自动情感摘要技术[J]. 李宪毅,刘培玉,朱振方,侯秀艳,刘祥哲.  计算机工程与设计. 2016(03)
[7]基于类序列规则的中文微博情感分类[J]. 郑诚,沈磊,代宁.  计算机工程. 2016(02)
[8]基于语义分析的中文微博情感分类方法[J]. 杨佳能,阳爱民,周咏梅.  山东大学学报(理学版). 2014(11)
[9]基于依存句法的博文情感倾向分析研究[J]. 冯时,付永陈,阳锋,王大玲,张一飞.  计算机研究与发展. 2012(11)
[10]基于情感关键句抽取的情感分类研究[J]. 林政,谭松波,程学旗.  计算机研究与发展. 2012(11)

硕士论文
[1]基于改进LDA模型的社交网络用户行为分析[D]. 陈阳.南京邮电大学 2017
[2]网络文本情感新词发现及情感关键句抽取判定研究[D]. 刘铭.郑州大学 2015



本文编号：3285480