产品评论的细粒度情感分析研究

发布时间：2020-04-12 13:20

【摘要】：随着电商平台的快速发展,越来越多人热衷于网络消费,随之而来的是海量的产品评论。而这些产品评论中往往隐藏着大量信息,携带着用户对于产品的各个属性的情感倾向。而在产品细粒度情感分析方面评价对象和评价词的提取是最关键的,只有实现了评价对象和评价词的精准提取,才能准确的分析出用户对于产品的各个属性的情感倾向。本文围绕提高评价对象和评价词的提取准确率的问题,提出了一种新模型。了解用户对产品的某一属性表现出的态度是喜欢还是不满,细粒度的情感分析可以达到这样的目的。而在进行细粒度情感分析时,我们第一步就是找出产品评论文本中的评价对象和评价词,并一一匹配。基于此,本文提出了一种新的算法GLDA,该算法是由深度神经网络门控循环单元(gated recurrent unit,GRU)和主题模型潜在狄利克雷分配(Latent Dirichlet Allocation,LDA)结合而成。而为了进一步提高评价对象的提取精度,本文针对特定领域构建了评价对象集合,实现领域同义词(用来描述同一特征的不同评价词叫做领域同义词)的聚类,提高了评价对象的提取精确度。基于提出的新算法GLDA,本文设计了一种适合酒店评论细粒度情感分析的模型,并将此模型运用到猫途鹰(TripAdvisor)网站酒店真实评论数据上,对评论数据进行了细粒度的情感分析。实验结果表明,提出的新算法GLDA在文本建模能力上强于LDA和SentenceLDA(Sentence Latent Dirichlet Allocation),而且设计的基于GLDA算法的细粒度情感分析模型在酒店数据上的分析结果比其他两种算法精度和召回率高。证实了模型的可用性。
【图文】：

西安石油大学硕士学位论文次数的影响不是很大，基本在迭代 15 到 25 次时，趋于收敛。度的大小有很大影响，但在四个数据集上随着主题数的增加，会趋近于一个平稳的值。 算法的对比分析验中，对比 GLDA、SentenceLDA、LDA 在主题建模方面的能力算法在相同数据集上进行文本建模的困惑度，困惑度越小则说 。 实 验 所 用 的 数 据 集 是 Wikipedia(wiki17、 wiki34、(20news)。这个实验涉及到主题数与迭代次数的设定，，在实验前让 perplexity 趋于收敛并值比较小的主题数和迭代次数。的实验训练可以看出当迭代次数到达 15、20、25 时已经接近收值和时间成本，将迭代次数定为20。下面来看看在迭代次数为208、20news 四个数据集的主题数与困惑度的关系。

图 3-4 LDA 算法主题数与困惑度的关系图（迭代次数为 20） 3-5 SentenceLDA 算法主题数与困惑度的关系图（迭代次数为 203-3、图 3-4、图 3-5 中可以看出，在四个数据集下 GLDA、LD是困惑度随主题个数的增大最终收敛。发现在图 3-3 表示的在主题数为 280 左右开始收敛，在数据集 20news 所建模型
【学位授予单位】：西安石油大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP391.1

【相似文献】

相关期刊论文 前10条

1 宋凤义;胡太;杨明;;基于外观的复合属性学习的细粒度识别[J];数据采集与处理;2016年06期

2 陈自岩;黄宇;王洋;傅兴玉;付琨;;一种利用语义相似特征提升细粒度情感分析方法[J];计算机应用与软件;2017年03期

3 张洁;董辉;;普适环境中细粒度可信管理框架的研究[J];测控技术;2017年05期

4 钟竞德;;超细粒度氧化钇生产的新工艺分析[J];科技创新与应用;2016年06期

5 罗清红;;大数据与灵魂[J];当代教育家;2016年12期

6 李涛;刘明耀;闫宁;;超细粒度砂轮制备技术研究现状[J];金刚石与磨料磨具工程;2013年02期

7 谭光华,袁廉灼;从Na_2WO_4溶液制取中、细粒度WO_3[J];稀有金属;1989年05期

8 敦欣卉;张云秋;杨铠西;;基于微博的细粒度情感分析[J];数据分析与知识发现;2017年07期

9 唐国纯;;RBAC细粒度组的权限管理模型的分析与设计[J];硅谷;2011年05期

10 黄光芳;;基于用户组和细粒度权限的RBAC模型[J];湛江师范学院学报;2011年06期

相关会议论文 前10条

1 李小庆;曾庆凯;;细粒度可信恢复文件系统[A];2011年全国通信安全学术会议论文集[C];2011年

2 刘电霆;周德俭;余强;;虚拟企业中细粒度协同设计任务的不确定调度及GA求解[A];先进制造技术高层论坛暨第六届制造业自动化与信息化技术研讨会论文集[C];2007年

3 叶蕴芳;杨榆;罗鑫;徐国爱;;Appfuse系统中细粒度权限控制的研究与实现[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

4 朱虹;舒鹏;;扩展SQL实现DBMS细粒度访问控制[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

5 郭磊;唐玉华;周杰;董亚卓;;基于FPGA的Cholesky分解细粒度并行结构与实现[A];2010年第16届全国信息存储技术大会（IST2010）论文集[C];2010年

6 吴舜;苏丹;吴佳;李坤;许大卫;刘昀;魏征;;基于Tilera平台的网络细粒度应用行为识别系统[A];2013电力行业信息化年会论文集[C];2013年

7 李祖德;占国强;叶晓俊;;FG-RBAC:基于RBAC的FGAC模型实现[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

8 王运成;任年民;张建平;结凤克;柴常谦;;基于角色的XML细粒度访问控制模型[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

9 刘伟峰;王智广;;细粒度并行计算编程模型研究[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年

10 江伟玉;高能;刘泽艺;林雪燕;;一种云计算中的多重身份认证与授权方案[A];第27次全国计算机安全学术交流会论文集[C];2012年

相关重要报纸文章 前10条

1 ;修正SDH:承载细粒度IP业务[N];中国计算机报;2002年

2 ;细粒度的访问控制和日志管理[N];中国计算机报;2003年

3 ;三项措施保护服务器[N];网络世界;2004年

4 侯丽坤;思达展示新概念QoS产品[N];计算机世界;2001年

5 《网络世界》记者 蒙克;D-Link应用层流控网关细粒度管理全网流量[N];网络世界;2015年

6 吕明;网络安全审计需细粒度报告[N];计算机世界;2008年

7 胡英;F5最新SSL VPN[N];计算机世界;2006年

8 侯闯 综合编译;部署SOA需慎重[N];计算机世界;2004年

9 ;Allot加入开放式IP服务创建计划[N];人民邮电;2007年

10 沈建苗　综合编译;IM安全产品选购谏言[N];计算机世界;2008年

相关博士学位论文 前10条

1 赵波;细粒度图像分类、分割、生成与检索关键技术研究[D];西南交通大学;2017年

2 洪佳楠;半可信云中基于属性加密扩展的访问控制研究[D];中国科学技术大学;2018年

3 魏秀参;深度学习下细粒度级别图像的视觉分析研究[D];南京大学;2018年

4 时杰;关系数据库细粒度访问控制研究[D];华中科技大学;2010年

5 朱倩;面向自由文本的细粒度关系抽取的关键技术研究[D];江苏大学;2011年

6 余a\;基于Simulink模型的细粒度多线程技术研究[D];浙江大学;2014年

7 付兴兵;基于属性基加密的细粒度访问控制机制研究[D];电子科技大学;2016年

8 周杰;合成孔径雷达数据处理应用的细粒度并行算法与结构[D];国防科学技术大学;2010年

9 施寒潇;细粒度情感分析研究[D];苏州大学;2013年

10 张传才;流域水沙过程的细粒度建模框架研究[D];河南大学;2016年

相关硕士学位论文 前10条

1 张强;基于在线评论的细粒度情感分析[D];安徽工程大学;2019年

2 刘测;产品评论的细粒度情感分析研究[D];西安石油大学;2019年

3 吴凡;基于深度学习的车型细粒度识别研究[D];厦门大学;2017年

4 郑侠武;基于中心排序损失及弱监督定位的细粒度目标检索[D];厦门大学;2018年

5 昌晶;细粒度模型剪枝算法研究[D];南京大学;2019年

6 白洁明;结合注意力机制的细粒度物体分类技术研究[D];浙江大学;2018年

7 袁千丁;基于多尺度卷积特征匹配的细粒度分类研究[D];长沙理工大学;2017年

8 李怀德;基于多级卷积特征金字塔细粒度食物图片识别与移动端应用[D];长安大学;2018年

9 谢雨飞;基于语义扩展与多层注意力模型的问题细粒度分类方法研究[D];华东师范大学;2018年

10 张阳;细粒度图像分类算法研究[D];哈尔滨工业大学;2018年

本文编号：2624763