基于深度神经网络的电商评论情感极性分析研究

发布时间:2024-06-30 01:41
  随着互联网技术的快速发展,电子商务已经完全融入到人们的日常生活中,消费者在无法直接了解产品时,评论就发挥了关键的作用。产品评论中隐藏着大量有价值的信息,挖掘这些评论的情感倾向既可以让消费者间接的了解到产品质量的好坏,也可以让商家通过消费者的反馈来及时调整策略。但在以往的电商评论情感分析研究中,存在着一些缺点。首先,在利用传统矩阵填充算法将电商评论转化为固定大小的文本向量矩阵时,文本向量矩阵所占存储空间较大,模型运行时间过长;其次,模型的鲁棒性较差,模型往往只在某种特定电商评论上有好的效果,而在其它电商评论中效果却很不理想;最后,在以往的传统机器学习模型和深度学习网络模型中,电商评论情感极性分析的准确率、精确率、召回率以及F1-Measure值并不理想。针对以上的缺点,本文主要研究工作如下:首先,本文在词向量训练语料库上做了改进,将维基百科中文语料库和商品评论语料库进行结合作为词向量训练的混合语料库去生成词向量库,相较于仅仅使用维基百科中文语料库,实验结果表明,混合语料库下五种电商评论情感分类的鲁棒性和准确率都有明显的提升。其次,为了解决文本向量矩阵所占存储空间过大,深度神经网络模型运行...

【文章页数】:77 页

【学位级别】:硕士

【部分图文】:

图1-1网民人数与互联网普及率

图1-1网民人数与互联网普及率

上海师范大学硕士学位论文第1章绪论1第1章绪论1.1研究背景及意义1.1.1研究背景随着5G时代的即将来临,互联网已经融入到人们生活方方面面中了,上网人数也是逐年上升。根据中国互联网络信息中心(CNNIC)2019年,8月30日发布的第44次《中国互联网络发展状况统计报告》统计[....


图1-22019年国内电商平台占用率

图1-22019年国内电商平台占用率

第1章绪论上海师范大学硕士学位论文2般、较差、差五种情感倾向[2]。用户可以在各大电商平台上发表自己的评论,而这些评论数据的格式不一,且各条文本评论的大小也不一样,短的只有几B大小,长的有十几KB。国外著名的电商Amazon等已经在很成熟地使用商品评价系统。国内著名的天猫和京东等....


图1-3全网销售额总量与增速本文目的是利用深度神经网络模型提升电商评论情感分析中的性能,解决目前电商评论情感极性分析中的准确率和鲁棒性问题

图1-3全网销售额总量与增速本文目的是利用深度神经网络模型提升电商评论情感分析中的性能,解决目前电商评论情感极性分析中的准确率和鲁棒性问题

上海师范大学硕士学位论文第1章绪论3各大电商为了提高产品质量,都提供了商品评价功能,以及时获取消费者对产品的评价。电商所带来的价值是十分巨大的,2019年的全网销售额为4101亿元,较2018年的3143亿元,增加了30.47%。图1-3所示为2015年来每年的全网销售额情况,从....


图1-4情感分析研究方法的发展趋势

图1-4情感分析研究方法的发展趋势

第1章绪论上海师范大学硕士学位论文4图1-4情感分析研究方法的发展趋势1.2.1情感词典构建研究现状在基于情感词典的方法中[7],通常将文本当作词语的集合,在这个集合中并不考虑原始文本中上下文词语的关系。基于情感词典的方法主要通过制定一系列语法和句法的规则和人工标注情感词典,对文....



本文编号:3998206

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3998206.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3a885***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com