基于消费者评价的商品特征提取及情感分析研究

发布时间：2023-03-19 19:38

　　用户在电子商务网站购买商品时,首先会查看商家对商品的描述信息,同时还会查看历史消费者对商品的评价信息。这类评价信息能够引导用户的消费行为,是影响用户最终消费的关键因素。但是随着评价数目的快速增长,用户难以在短时间内方便、快捷地抓取评价信息中包含的商品特征信息以及历史消费者持有的观点及情感。因此,智能地分析消费者评价数据,对商品特征进行精细粒度的情感分析,来帮助用户理解大量的消费者评价数据显得尤为重要。本论文的主要研究工作是基于深度学习方法,自动化地提取消费者评价中的商品特征,并以此为基础进行情感分析,具体内容包括:1.构建CAtt-BiLSTM-CRF模型提取商品评价语料中的特征对象及观点对象。该模型采用基于注意力机制的双向长短期记忆网络自动获取句子中单词的上下文信息,不需要预先解析句法依存关系和手工构建特征工程,最后通过线性链条件随机场使用过去和未来的标签来预测当前时刻的标签,从而提高特征对象及观点对象提取的准确度。2.构建模型完成观点关系抽取、典型特征聚类和观点对象情感极性预测,进而实现基于商品特征的精细粒度情感分析。通过关系分类方法抽取出观点关系(Opinion Relation...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究历史与现状
        1.2.1 情感分析概述
        1.2.2 精细情感分析
        1.2.3 情感极性预测
    1.3 研究内容及创新
    1.4 本论文的结构安排
第二章 相关研究及理论基础
    2.1 深度学习在NLP领域的应用
    2.2 文本的表示模型
        2.2.1 传统的文本表示方法
        2.2.2 Word2vec
        2.2.3 Glove
    2.3 本章小结
第三章 基于深度学习的商品特征及观点提取方法
    3.1 问题描述
    3.2 基于注意力机制的深度学习提取模型
        3.2.1 模型整体结构
        3.2.2 模型各层详细解析
    3.3 实验数据获取与标注
        3.3.1 实验语料获取
        3.3.2 原始语料数据标记
        3.3.3 数据序列标注
    3.4 实验及结果分析
        3.4.1 模型设置
        3.4.2 评价标准
        3.4.3 实验环境
        3.4.4 对比试验设计
        3.4.5 实验结果及分析
    3.5 本章小节
第四章 基于商品特征的情感分析
    4.1 观点关系抽取
        4.1.1 关系模型的输入特征
        4.1.2 关系分类
        4.1.3实验
    4.2 特征对象典型特征聚类
        4.2.1 问题描述
        4.2.2 聚类模型
        4.2.3 实验
    4.3 观点对象情感极性预测
        4.3.1 引言
        4.3.2 实验设计与结果分析
    4.4 本章小节
第五章 基于消费者评价的商品特征提取及情感分析系统
    5.1 需求分析
    5.2 系统设计与实现
        5.2.1 系统架构设计
        5.2.2 系统模块设计与实现
    5.3 数据库设计
    5.4 系统前端
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 本文工作展望
致谢
参考文献



本文编号：3765836