基于文本挖掘的冷链农产品电商平台在线评论的情感分析研究
发布时间：2021-10-17 07:17
电子商务的迅速发展,导致了冷链农产品电商平台的迅速崛起,但发展过程中也存在着不少的问题,如何去发现并改进这些问题,提升消费者的购买意愿是首要任务。本文以消费者评论为切入点,对其进行情感分析,分析结果不仅可以影响其他用户的购买决策,还对企业日后的发展指明了方向。本文以淮南“菜篮子工程”冷链农产品电商平台为例,通过爬虫提取出消费者评论,采取三种情感分析的方法。具体的研究工作包括以下三个内容:第一,基于Bi-LSTM对冷链农产品电商平台消费者评论进行情感分类。为了帮助企业和消费者把握商品整体的好坏程度,从文本语句的角度提出此类方法。首先,对消费者评论进行预处理,并基于word2vec训练词向量,根据Bi-LSTM分析评论文本的上下文之间的关系,并引入注意力机制对模型进一步的优化,最终运用情感分类器对评论集进行情感分类。从结果看出消费者对淮南“菜篮子工程”电商平台的整体评价,从而反映消费者对整个冷链农产品电商平台的满意度。第二,基于LDA主题模型对冷链农产品电商平台的在线评论进行情感分析。该方法从潜在主题的角度出发,研究消费者的关注点并提取出对企业和消费者最有用的信息。首先根据第二章的消费者评...
【文章来源】：安徽理工大学安徽省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图１研究框架??Ｆｉｇｕｒｅ?１?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ??
?２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论文本分类???２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论的情感分类??基于注意力机制的Ｂｉ－ＬＳＴＭ循环神经网络对在线评论情感分析主要分为??以下步骤：文本预处理（分词、停用词过滤、词性标注）、基于ｗｏｒｄ２ＶｅＣ训练??词向量、根据Ｂｉ－ＬＳＴＭ分析评论文本的上下文之间的关系、引入注意力机制对??模型进一步的优化、运用情感分类器对评论集进行情感分类。主要步骤流程图如??下：??Ｂｉ－ＬＳＴＭ?获取??
?２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论文本分类???于ＣＢＯＷ模型来说，可通过计算目标词范围之内的若个词语的词向量的和，得??到目标词的词向量；对于ｓｋｉｐ－ｇｒａｍ模型，首先输入目标词，最后得到目标词范??围内的若个词语的词向量。??本文运用的是ｗｏｒｄ２ｖｅｃ工具，是由Ｇｏｏｇｌｅ再２０１３年开发的开源工具，用??其进行词向量的训练。ｗｏｒｄ２ＶｅＣ的运行流程如下：??（１）分词。就中文而言，分词不像英文那样已经通过空格将其隔开，它需??要通过ｎｐｌ将每一个句子拆分成一个个单词组，而这一步骤，文本预处理已经实??现了，分词的效果也直接影响到词向量的训练结果。??（２）构造词典，统计词频。在这里需要构建一个自定义词典，以保证分词??的准确性并且需要对所有的词语进行词频的统计。??（３）构造树形结构。即按每个词的词频构造出哈夫曼树。值得注意的是，??在构造Ｈｕｆｆｍａｎ树的过程中，所有分类都应处于叶节点中，如图：??
【参考文献】：
期刊论文
[1]基于word2vec和双向LSTM的情感分类深度模型[J]. 黄贤英,刘广峰,刘小洋,阳安志. 计算机应用研究. 2019(12)
[2]基于买家评论文本分析的C2C电子商务推荐信任研究[J]. 王兴芬,杜惠英. 中国流通经济. 2018(11)
[3]基于word2vec的酒店评论情感分类研究[J]. 谢宗彦,黎巎,周纯洁. 北京联合大学学报. 2018(04)
[4]基于LSTM-Attention的中文新闻文本分类[J]. 蓝雯飞,徐蔚,汪敦志,潘鹏程. 中南民族大学学报(自然科学版). 2018(03)
[5]基于神经网络的电商生鲜农产品购买频率评价研究[J]. 孙亚娟. 商业经济研究. 2018(05)
[6]区域性农产品电商平台使用意向影响因素实证研究[J]. 高恺,盛宇华. 中国流通经济. 2018(01)
[7]商品属性的情感表达与商品销售热度的相关性研究[J]. 阮光册,周健超. 图书情报工作. 2017(22)
[8]B2C电商自营物流定制营销的京东经验及其启示[J]. 牛雪梅. 物流技术. 2017(03)
[9]基于多层关系图模型的中文评价对象与评价词抽取方法[J]. 廖祥文,陈兴俊,魏晶晶,陈国龙,程学旗. 自动化学报. 2017(03)
[10]基于短语句法结构和依存句法分析的情感评价单元抽取[J]. 王娟,曹树金,谢建国. 情报理论与实践. 2017(03)
博士论文
[1]结合知识和神经网络的文本表示方法的研究[D]. 李一鸣.浙江大学 2018
[2]社会化标注环境下的标签聚类方法研究[D]. 李慧宗.合肥工业大学 2016
[3]我国农产品冷链物流的发展问题研究[D]. 方凯.华中农业大学 2013
硕士论文
[1]生鲜农产品物流终端配送模式对比研究[D]. 白羽.河北工程大学 2018
[2]大数据视域下山东省农产品电商发展问题研究[D]. 孙承.烟台大学 2018
[3]基于主题特征和深度学习的情感分析算法研究[D]. 郑灶旭.华南理工大学 2018
[4]基于Attention Bi-LSTM的文本分类方法研究[D]. 王恰.华南理工大学 2018
[5]面向酒店评论的中文短文本情感分析研究[D]. 杨智聪.杭州电子科技大学 2018
[6]生鲜农产品终端配送优化模型与算法研究[D]. 孙箫宇.大连理工大学 2017
[7]探讨我国生鲜农产品电商发展瓶颈及出路[D]. 张哲.华中师范大学 2017
[8]在线评论对网络消费者首次购买意愿影响机理研究[D]. 吉小叶.中北大学 2016
[9]基于LDA和词性句法规则的用户评论情感分析研究[D]. 张建华.广西大学 2014
[10]基于LDA模型的文本聚类研究[D]. 董婧灵.华中师范大学 2012
本文编号：3441358
【文章来源】：安徽理工大学安徽省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图１研究框架??Ｆｉｇｕｒｅ?１?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ??
?２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论文本分类???２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论的情感分类??基于注意力机制的Ｂｉ－ＬＳＴＭ循环神经网络对在线评论情感分析主要分为??以下步骤：文本预处理（分词、停用词过滤、词性标注）、基于ｗｏｒｄ２ＶｅＣ训练??词向量、根据Ｂｉ－ＬＳＴＭ分析评论文本的上下文之间的关系、引入注意力机制对??模型进一步的优化、运用情感分类器对评论集进行情感分类。主要步骤流程图如??下：??Ｂｉ－ＬＳＴＭ?获取??
?２基于Ｂｉ－ＬＳＴＭ的冷链农产品电商评论文本分类???于ＣＢＯＷ模型来说，可通过计算目标词范围之内的若个词语的词向量的和，得??到目标词的词向量；对于ｓｋｉｐ－ｇｒａｍ模型，首先输入目标词，最后得到目标词范??围内的若个词语的词向量。??本文运用的是ｗｏｒｄ２ｖｅｃ工具，是由Ｇｏｏｇｌｅ再２０１３年开发的开源工具，用??其进行词向量的训练。ｗｏｒｄ２ＶｅＣ的运行流程如下：??（１）分词。就中文而言，分词不像英文那样已经通过空格将其隔开，它需??要通过ｎｐｌ将每一个句子拆分成一个个单词组，而这一步骤，文本预处理已经实??现了，分词的效果也直接影响到词向量的训练结果。??（２）构造词典，统计词频。在这里需要构建一个自定义词典，以保证分词??的准确性并且需要对所有的词语进行词频的统计。??（３）构造树形结构。即按每个词的词频构造出哈夫曼树。值得注意的是，??在构造Ｈｕｆｆｍａｎ树的过程中，所有分类都应处于叶节点中，如图：??
【参考文献】：
期刊论文
[1]基于word2vec和双向LSTM的情感分类深度模型[J]. 黄贤英,刘广峰,刘小洋,阳安志. 计算机应用研究. 2019(12)
[2]基于买家评论文本分析的C2C电子商务推荐信任研究[J]. 王兴芬,杜惠英. 中国流通经济. 2018(11)
[3]基于word2vec的酒店评论情感分类研究[J]. 谢宗彦,黎巎,周纯洁. 北京联合大学学报. 2018(04)
[4]基于LSTM-Attention的中文新闻文本分类[J]. 蓝雯飞,徐蔚,汪敦志,潘鹏程. 中南民族大学学报(自然科学版). 2018(03)
[5]基于神经网络的电商生鲜农产品购买频率评价研究[J]. 孙亚娟. 商业经济研究. 2018(05)
[6]区域性农产品电商平台使用意向影响因素实证研究[J]. 高恺,盛宇华. 中国流通经济. 2018(01)
[7]商品属性的情感表达与商品销售热度的相关性研究[J]. 阮光册,周健超. 图书情报工作. 2017(22)
[8]B2C电商自营物流定制营销的京东经验及其启示[J]. 牛雪梅. 物流技术. 2017(03)
[9]基于多层关系图模型的中文评价对象与评价词抽取方法[J]. 廖祥文,陈兴俊,魏晶晶,陈国龙,程学旗. 自动化学报. 2017(03)
[10]基于短语句法结构和依存句法分析的情感评价单元抽取[J]. 王娟,曹树金,谢建国. 情报理论与实践. 2017(03)
博士论文
[1]结合知识和神经网络的文本表示方法的研究[D]. 李一鸣.浙江大学 2018
[2]社会化标注环境下的标签聚类方法研究[D]. 李慧宗.合肥工业大学 2016
[3]我国农产品冷链物流的发展问题研究[D]. 方凯.华中农业大学 2013
硕士论文
[1]生鲜农产品物流终端配送模式对比研究[D]. 白羽.河北工程大学 2018
[2]大数据视域下山东省农产品电商发展问题研究[D]. 孙承.烟台大学 2018
[3]基于主题特征和深度学习的情感分析算法研究[D]. 郑灶旭.华南理工大学 2018
[4]基于Attention Bi-LSTM的文本分类方法研究[D]. 王恰.华南理工大学 2018
[5]面向酒店评论的中文短文本情感分析研究[D]. 杨智聪.杭州电子科技大学 2018
[6]生鲜农产品终端配送优化模型与算法研究[D]. 孙箫宇.大连理工大学 2017
[7]探讨我国生鲜农产品电商发展瓶颈及出路[D]. 张哲.华中师范大学 2017
[8]在线评论对网络消费者首次购买意愿影响机理研究[D]. 吉小叶.中北大学 2016
[9]基于LDA和词性句法规则的用户评论情感分析研究[D]. 张建华.广西大学 2014
[10]基于LDA模型的文本聚类研究[D]. 董婧灵.华中师范大学 2012
本文编号：3441358
本文链接：https://www.wllwen.com/weiguanjingjilunwen/3441358.html
