面向用户评论的细粒度观点挖掘

发布时间：2024-06-01 02:22

　　大数据时代的消费模式正在由线下逐渐发展到线上,网络消费平台积累了大量的用户评论,在很大程度上反映了消费者的态度和观点,对服务和商品提供方也有一定的反馈作用。用户评论具有数据量大、日益剧增等特点,从中人工提取有用的信息需要耗费大量的时间和精力,因此亟需一种能够对海量用户评论进行观点挖掘分析的方法。一条用户评论往往包含多个观点词,并对应具体的观点维度,例如在餐饮业评论中“火锅”、“美味”等观点词皆属于“菜品”这一维度。本文主要从观点维度抽取以及观点维度层级的情感分析两个方面展开深入研究,挖掘得到用户评论中的细粒度主观情感,以帮助消费者科学选择,商家有针对性地改进。在维度抽取任务中,本文将观点词作为特定的实体进行抽取,并划分到具体的观点维度。论文提出一种基于ELMo改进的预训练语言模型fastELMo,相比于其它静态词向量方法,能够融合评论文本的句法特征,有效解决多义词的向量表示问题。在观点词抽取任务中,fastELMo结合双向LSTM的网络结构相比其它实验模型在各项评价指标上提升均超过1%。观点词基于文本相似度算法划分到具体观点维度,论文在相似度计算中创新性地引入最大边界相关算法思想,使维...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图1-12016.6-2019.6网上外卖用户规模及使用率[1]

第一章绪论第一章绪论1.1研究工作的背景与意义近年来，由于信息技术的快速发展和个人电脑、手机等网络设备的快速普及，依赖互联网的生活模式逐渐在人们的心中扎根，与日常生活越来越密不可分，例如网上购物、外卖配送、网上看房等的广泛使用。2019年8月30日中国互联网信息中心（CNNIC）....

图2-1神经网络语言模型NNLM基于词向量的固定表示

电子科技大学硕士学位论文图2-1神经网络语言模型NNLM2.3.2基于词向量的固定表示自然语言处理领域著名的“分布式假设”，其原理就是相同的上下文语境的词有着相似的含义，在此基础上也衍生出了很多词向量模型。词向量的固定表示，即每个词所对应的词向量是固定的，一成不变的，同一个单词即....

图2-2CBOW与Skip-gram网络结构[47]

第二章观点挖掘相关理论及技术图2-2CBOW与Skip-gram网络结构[47]Word2vec从本质上是基于局部语料训练的，即在训练时每个单词只与固定滑窗大小内的上下文有关。GloVe（GlobalVectorsforWordRepresentation）则是基于全局语料，统计....

图2-3ELMo预训练网络结构

?淮识嘁逶谧匀挥镅源?砹煊虺晌?艘桓霰冉涎现氐奈侍狻Ｕ?对上述问题，本节将介绍几种基于词向量的动态表示方案。（1）ELMoELMo（EmbeddingfromLanguageModels）[48]，其本质思想是根据上下文对训练的词向量进行动态的调整。ELMo采用了典型的两阶段训练....

本文编号：3985421