基于深度学习的商品评价数据分析系统

发布时间：2023-06-03 01:16

　　随着互联网的快速发展,在线购物已逐渐成为人们日常生活中最常见的购物手段之一。在线购物方便快捷、商品种类丰富,但是消费者却无法直观地看到商品的真实属性。为了能够更多地了解商品的真实情况,消费者在购买商品之前,通过查看商品的在线评价信息,便可以方便地获取指导性的倾向选择,作为购买决策的参考。然而,在线评价功能在给消费者带来便利的同时,个别评论数据的质量和准确性也会对未来的潜在消费者带来误判甚至误导,例如,因消费者主观差异性、商品信息不完善、商家的过度包装等导致的非客观评价。因此,获取商品全面的、综合的评价信息,将对消费者有效鉴别商品质量具有十分重要的意义。但是海量商品评价信息和消费者的人工浏览分析能力之间存在着不可调和的矛盾,当评价数据达到一定数量级时,消费者已经很难人工地对数据进行全面的获取和分析。因此,开发一个能够自动进行数据采集、数据分析、情感分析,给用户提供实用性强、具有高参考价值数据的系统,具有很高的实用意义和商业价值。本文中基于深度学习的商品评价数据分析系统,具备数据采集、数据清洗、特征值提取、词向量建模、深度学习模型训练实现数据情感分析等功能。通过本系统,用户仅需要选择指定的...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究及应用现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文章节安排
第2章 系统关键技术介绍
    2.1 爬虫技术介绍
    2.2 分词工具介绍
    2.3 深度学习介绍
        2.3.1 N-gram模型
        2.3.2 RNN循环神经网络
        2.3.3 sigmoid信念网络
第3章 定制化爬虫工具实现数据采集
    3.1 定制化爬虫工具的总体设计
        3.1.1 解析流程设计
        3.1.2 总体设计
    3.2 基于Beautiful Soup定制化爬虫工具实现数据采集
        3.2.1 参数化输入实现多平台兼容
        3.2.2 数据抓取及遍历算法的应用
        3.2.3 结构化输出及数据有效性
    3.3 结合selenium实现动态加载数据的采集
    3.4 数据清洗和数据存储
        3.4.1 清洗冗余数据
        3.4.2 数据序列化和反序列化
    3.5 本章小结
第4章 基于深度学习商品评价的建模与实现
    4.1 数据采集结果的特征词提取
    4.2 语料库的建立
    4.3 基于Word2Vec的词向量建模
        4.3.1 CBOW和Skip-Gram模型的研究
        4.3.2 词向量建模
    4.4 LSTM算法的研究与应用
        4.4.1 LSTM算法的研究
        4.4.2 LSTM情感分析建模
    4.5 本章小结
第5章 数据可视化和系统实现
    5.1 系统介绍
        5.1.1 功能介绍
        5.1.2 系统时序图
        5.1.3 数据库设计
    5.2 系统环境搭建
        5.2.1 硬件环境
        5.2.2 软件环境
    5.3 系统展示
        5.3.1 登陆
        5.3.2 数据采集和分析
        5.3.3 数据分析结果的应用
    5.4 本章小节
第6章 总结与展望
参考文献
致谢



本文编号：3828386