基于情感分类的酒店评论文本挖掘研究

发布时间：2021-09-08 21:05

　　互联网的普及与移动端的应用促进了电子商务的迅速发展,消费者在各大电商平台进行活动交易时产生了大量的行为数据,在线评论文本就是其中一种。在线评论文本是消费者对消费对象切身体验后以文本的形式反馈至电商平台,被作为大众的舆论观点导向,对此类观点进行有效情感分类不仅可以帮助消费者进行决策,还可以帮助商家对服务进行改善。目前,对评论短文本进行情感分类时,由于短文本存在特征维度高、领域差异性、表达隐含性等问题,从而影响分类的性能,本文对上述问题将已有情感分类方法进行改进研究,并用于酒店评论文本进行情感分类,主要研究内容如下:（1）针对领域情感词的差异性及基础情感词典的不完备而引起情感分类精确度不高的问题,提出一种融合语义的情感词扩充方法用于构建酒店评论文本的情感词典。爬取在线酒店评论文本作为语料库,结合种子词使用Word2vec和SO-PMI进行情感词的扩充,构建酒店评论文本的领域内情感词典,通过实验表明所构建情感词典在情感分类上的有效性。（2）构建一种基于依存句法分析与LDA主题模型相结合的方法进行特征提取。首先,使用依存句法分析结合情感词典对评论文本情感要素进行抽取;其次,利用LDA主题模型对... 

【文章来源】：重庆师范大学重庆市

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

预选标签选项

标签信息

图 1.3 消费者评论短文本从图 1.3 可以看出，这条短文本是消费者对酒店住宿消费后以文本形式记录和反馈的个人感受所形成的酒店评论文本，这条文本蕴含了消费者对消费对象的评价以及相应的情感倾向从而成为酒店网络口碑的载体，消费者对这个酒店的评

【参考文献】：
期刊论文
[1]基于BiLSTM神经网络的特征融合短文本分类算法[J]. 和志强,杨建,罗长玲.  智能计算机与应用. 2019(02)
[2]基于文本情感分析的共享单车用户满意度研究[J]. 冒小栋,范涛.  计算机系统应用. 2019(01)
[3]基于word2vec的酒店评论情感分类研究[J]. 谢宗彦,黎巎,周纯洁.  北京联合大学学报. 2018(04)
[4]面向LDA主题模型的文本分类研究进展与趋势[J]. 赵乐,张兴旺.  计算机系统应用. 2018(08)
[5]基于多特征融合与双向RNN的细粒度意见分析[J]. 郝志峰,黄浩,蔡瑞初,温雯.  计算机工程. 2018(07)
[6]基于词向量的文本特征选择方法研究[J]. 陈磊,李俊.  小型微型计算机系统. 2018(05)
[7]基于词向量的领域情感词典构建[J]. 林江豪,周咏梅,阳爱民,陈锦.  山东大学学报(工学版). 2018(03)
[8]文本情绪分析综述[J]. 李然,林政,林海伦,王伟平,孟丹.  计算机研究与发展. 2018(01)
[9]结合RNN和CNN层次化网络的中文文本情感分类[J]. 罗帆,王厚峰.  北京大学学报(自然科学版). 2018(03)
[10]基于LDA模型特征选择的在线医疗社区文本分类及用户聚类研究[J]. 吴江,侯绍新,靳萌萌,胡忠义.  情报学报. 2017(11)

博士论文
[1]Web评论文本情感分类方法研究[D]. 张璞.重庆大学 2015

硕士论文
[1]基于LSTM模型分析的酒店智能推荐系统研究[D]. 刘烨.上海师范大学 2018
[2]面向酒店评论的中文短文本情感分析研究[D]. 杨智聪.杭州电子科技大学 2018
[3]基于词典和机器学习组合的情感分析[D]. 丁蔚.西安邮电大学 2017
[4]酒店领域文本情感分类研究[D]. 陈柯宇.重庆大学 2017
[5]基于文本情感分类的商品评论主题挖掘[D]. 李杰.大连海事大学 2017
[6]基于依存句法分析的中文评价对象抽取和情感倾向性分析[D]. 贾治中.东南大学 2016
[7]基于酒店中文评论情感倾向分析[D]. 李长江.华南理工大学 2016



本文编号：3391484