线上商品用户评论的情感分析系统研究与实现
发布时间：2021-08-07 04:11
现如今,互联网络技术渗透了人们生活的各个方面,网络购物已经成为了一种新的主流购物方式。据统计,半数以上的消费者会对线上购买的商品进行评论。这些评论为生产者和消费者提供了十分重要的参考信息。面对规模庞大的用户评论数据,如何设计出一款高效准确、易于使用的评论分析系统,并将分析后的数据以直观的视角展示出来,是一个热门的研究领域。为了能够细粒度的展示用户评论的情感倾向,本文设计的用户评论情感分析算法,将情感分析问题转化为实体标注问题和情感分类问题。通过BERT预训练模型以及激活函数、优化函数的改进,改善BiLSTM-CRF实体标注算法效果。再通过基于规则的匹配算法匹配主题词和情感词、K-means进行主题词的分类和基于情感词典的情感分类,整合了一套切实可行的算法流程,能够针对商品的不同属性进行商品用户评论的情感倾向分析。本文设计的情感分析系统总体共划分成四大功能模块,其实现基于Python语言,使用Django设计Web框架,通过Scikit-learn和Keras等工具框架实现模型算法,并采用PyEcharts对评论数据的分析结果进行展示。最后通过系统测试验证本系统较好的完成了各大模块的相关...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
BERT模型结构图
系统开发环境与相关技术17=+1(+1),=1,2,…,1(2.17)2.6循环神经网络2.6.1长短期记忆网络长短期记忆网络LSTM，是循环神经网络RNN的一种变体。其设计极其适合对时序数据的建模[31]。LSTM的核心是细胞状态，用贯穿细胞的水平线表示。细胞状态像传送带一样。它贯穿整个细胞却只有很少的分支，这样能保证信息不变的流过整个RNN。LSTM网络能通过一种被称为门的结构对细胞状态进行删除或者添加信息。门能够有选择性的决定让哪些信息通过。所有循环神经网络都具有神经网络的重复模块链的形式。在标准的RNN中，该重复模块将具有非常简单的结构，例如单个tanh层。LSTM也具有这种链式结构，但是它的重复单元不同于标准RNN网络里的单元只有一个网络层，它的内部有四个网络层。LSTM的结构如图2-5所示。图2-5LSTM网络结构LSTM模型由t时刻的输入，细胞状态，临时细胞状态，隐藏层状态，遗忘门，记忆门，输出门组成。其计算过程可以概括为，通过细胞状态中信息遗忘和记忆新的信息使得对后续时刻计算有用的信息得以传递，而无用信息被遗忘，并在每个时间步都会输出隐藏层状态，其中遗忘门，记忆门和输出门由通过上个时刻的隐藏层状态
系统总体设计29如图4-1所示，线上商品用户评论的情感分析系统总体开发架构模型分为三层：数据层、业务层、应用层。数据层为关系型数据库MySQL，为整个系统提供数据的储存管理支撑，其主要用来储存商品信息以及大量的商品评论信息。同时，数据情感分析算法生成的结果也会写入储存在MySQL数据库中，以便后续的数据可视化分析。业务层主要为本系统实现情感分析所需要的处理步骤和算法，包括K-means聚类、BERT预训练模型、BiLSTM-CRF主题词与情感词提娶情感分类等算法。通过这些算法，为最终的结果展示实现技术上的支撑。应用层主要是系统数据与用户的交互层，提供了用户功能的实现。用户通过Web对服务器进行实时访问，无需知道具体算法流程，通过数据可视化模块的条用即可对数据结果进行分析操作。4.2物理架构模型图物理架构模型图主要用来设计表达系统的部署环境，包括硬件、软件以及网络环境，用来指导系统部署人员和运营维护人员进行后续的系统部署以及维护操作。本系统的物理构架模型图设计如图4-2所示。图4-2系统物理架构模型图
【参考文献】：
期刊论文
[1]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)
[2]评论者对在线商品评论信息质量的影响及提升策略研究[J]. 江彦,娄策群,江秀,毕达宇. 图书馆学研究. 2019(03)
[3]基于CNN和BiLSTM网络特征融合的文本情感分析[J]. 李洋,董红斌. 计算机应用. 2018(11)
[4]电子商务环境下传统零售业向新零售方向转型研究[J]. 杨蕙宁,陈明杰,何民宇,李春波. 时代金融. 2018(20)
[5]中国电子商务网络零售的发展历程与竞争态势[J]. 李秀玲,陈七林,刘姗姗. 现代商业. 2018(16)
[6]基于黑盒测试的软件测试策略研究与实践[J]. 赵玮. 中小企业管理与科技(上旬刊). 2017(01)
[7]基于社会学习理论的在线评论信息对购买决策的影响研究[J]. 冯娇,姚忠. 中国管理科学. 2016(09)
[8]基于B/S架构的Web软件系统测试应用分析[J]. 王文东. 软件导刊. 2016(08)
[9]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[10]软件测试之黑白盒策略的应用[J]. 吕宣姣. 现代计算机(专业版). 2016(09)
博士论文
[1]消费者与商家在线体验式互动对其购买意愿影响的研究[D]. 董京京.吉林大学 2019
硕士论文
[1]基于机器学习的网购平台产品评论情感分析[D]. 鲍继彬.哈尔滨工业大学 2019
[2]基于深度学习的中文分词和关键词抽取模型研究[D]. 黄丹丹.北京邮电大学 2019
[3]基于深度学习的用户评论情感分析系统设计与实现[D]. 文爽.北京邮电大学 2019
[4]电商商品评价情感分析系统研究[D]. 钟静晨.江苏科技大学 2018
[5]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
[6]基于情感分析的线上品牌评估系统的设计与实现[D]. 张迪.电子科技大学 2017
[7]基于Nginx高性能Web服务器性能优化与负载均衡的改进与实现[D]. 王永辉.电子科技大学 2015
[8]汽车评论情感分析系统的设计与实现[D]. 张爱莲.西安电子科技大学 2013
本文编号：3327055
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
BERT模型结构图
系统开发环境与相关技术17=+1(+1),=1,2,…,1(2.17)2.6循环神经网络2.6.1长短期记忆网络长短期记忆网络LSTM，是循环神经网络RNN的一种变体。其设计极其适合对时序数据的建模[31]。LSTM的核心是细胞状态，用贯穿细胞的水平线表示。细胞状态像传送带一样。它贯穿整个细胞却只有很少的分支，这样能保证信息不变的流过整个RNN。LSTM网络能通过一种被称为门的结构对细胞状态进行删除或者添加信息。门能够有选择性的决定让哪些信息通过。所有循环神经网络都具有神经网络的重复模块链的形式。在标准的RNN中，该重复模块将具有非常简单的结构，例如单个tanh层。LSTM也具有这种链式结构，但是它的重复单元不同于标准RNN网络里的单元只有一个网络层，它的内部有四个网络层。LSTM的结构如图2-5所示。图2-5LSTM网络结构LSTM模型由t时刻的输入，细胞状态，临时细胞状态，隐藏层状态，遗忘门，记忆门，输出门组成。其计算过程可以概括为，通过细胞状态中信息遗忘和记忆新的信息使得对后续时刻计算有用的信息得以传递，而无用信息被遗忘，并在每个时间步都会输出隐藏层状态，其中遗忘门，记忆门和输出门由通过上个时刻的隐藏层状态
系统总体设计29如图4-1所示，线上商品用户评论的情感分析系统总体开发架构模型分为三层：数据层、业务层、应用层。数据层为关系型数据库MySQL，为整个系统提供数据的储存管理支撑，其主要用来储存商品信息以及大量的商品评论信息。同时，数据情感分析算法生成的结果也会写入储存在MySQL数据库中，以便后续的数据可视化分析。业务层主要为本系统实现情感分析所需要的处理步骤和算法，包括K-means聚类、BERT预训练模型、BiLSTM-CRF主题词与情感词提娶情感分类等算法。通过这些算法，为最终的结果展示实现技术上的支撑。应用层主要是系统数据与用户的交互层，提供了用户功能的实现。用户通过Web对服务器进行实时访问，无需知道具体算法流程，通过数据可视化模块的条用即可对数据结果进行分析操作。4.2物理架构模型图物理架构模型图主要用来设计表达系统的部署环境，包括硬件、软件以及网络环境，用来指导系统部署人员和运营维护人员进行后续的系统部署以及维护操作。本系统的物理构架模型图设计如图4-2所示。图4-2系统物理架构模型图
【参考文献】：
期刊论文
[1]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)
[2]评论者对在线商品评论信息质量的影响及提升策略研究[J]. 江彦,娄策群,江秀,毕达宇. 图书馆学研究. 2019(03)
[3]基于CNN和BiLSTM网络特征融合的文本情感分析[J]. 李洋,董红斌. 计算机应用. 2018(11)
[4]电子商务环境下传统零售业向新零售方向转型研究[J]. 杨蕙宁,陈明杰,何民宇,李春波. 时代金融. 2018(20)
[5]中国电子商务网络零售的发展历程与竞争态势[J]. 李秀玲,陈七林,刘姗姗. 现代商业. 2018(16)
[6]基于黑盒测试的软件测试策略研究与实践[J]. 赵玮. 中小企业管理与科技(上旬刊). 2017(01)
[7]基于社会学习理论的在线评论信息对购买决策的影响研究[J]. 冯娇,姚忠. 中国管理科学. 2016(09)
[8]基于B/S架构的Web软件系统测试应用分析[J]. 王文东. 软件导刊. 2016(08)
[9]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[10]软件测试之黑白盒策略的应用[J]. 吕宣姣. 现代计算机(专业版). 2016(09)
博士论文
[1]消费者与商家在线体验式互动对其购买意愿影响的研究[D]. 董京京.吉林大学 2019
硕士论文
[1]基于机器学习的网购平台产品评论情感分析[D]. 鲍继彬.哈尔滨工业大学 2019
[2]基于深度学习的中文分词和关键词抽取模型研究[D]. 黄丹丹.北京邮电大学 2019
[3]基于深度学习的用户评论情感分析系统设计与实现[D]. 文爽.北京邮电大学 2019
[4]电商商品评价情感分析系统研究[D]. 钟静晨.江苏科技大学 2018
[5]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
[6]基于情感分析的线上品牌评估系统的设计与实现[D]. 张迪.电子科技大学 2017
[7]基于Nginx高性能Web服务器性能优化与负载均衡的改进与实现[D]. 王永辉.电子科技大学 2015
[8]汽车评论情感分析系统的设计与实现[D]. 张爱莲.西安电子科技大学 2013
本文编号：3327055
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3327055.html
最近更新
教材专著
