隨著旅游業(yè)的快速發(fā)展,在網(wǎng)上預訂旅游相關產(chǎn)品的人數(shù)越來越多,對有關景點的評價也在爆發(fā)式增長,景區(qū)評論數(shù)據(jù)不僅可以影響游客制定旅游計劃,幫助景區(qū)管理人員揚長避短,吸引顧客,而且可以為旅游網(wǎng)站的個性化推薦系統(tǒng)提供數(shù)據(jù)。如何從大規(guī)模景區(qū)評論數(shù)據(jù)中精準、高效的獲得需要的數(shù)據(jù),將景區(qū)評論數(shù)據(jù)數(shù)字化,根據(jù)評論文本進行評分預測就顯得尤為迫切。本文基于情感分析對景區(qū)評論評分數(shù)據(jù)進行研究,先介紹了評分預測的基本概念與流程,對數(shù)據(jù)進行獲取,將景區(qū)評論評論數(shù)據(jù)進行分詞以及去停用詞等預處理之后,再分別使用三種不同方法對景區(qū)評論數(shù)據(jù)進行特征提取,發(fā)現(xiàn)合適的特征提取方法可以提高模型的預測效果。之后對數(shù)據(jù)進行5折交叉驗證有效避免模型的過擬合現(xiàn)象,然后提出本文使用的評價指標,其中MSE用于模型調(diào)參、迭代過程的比較,RMSE用于不同模型的預測效果對比。具體介紹了評分預測模型用到的基本算法,強學習器LightGBM以及模型融合的主要方法�；诨舅惴ê蚅ightGBM構(gòu)建評分預測模型,并對預測結(jié)果進行分析比較,對常用的模型結(jié)合方法進行介紹,將這些預測模型進行Stacking融合,其中LightGBM模型作為Stackin... 

【文章來源】：長江大學湖北省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 本文的結(jié)構(gòu)安排
第二章 評分預測理論概述
    2.1 情感分析概述
    2.2 評分預測流程
    2.3 數(shù)據(jù)預處理
    2.4 特征提取
    2.5 交叉驗證
    2.6 評價指標
    2.7 本章小結(jié)
第三章 評分預測方法
    3.1 機器學習算法
    3.2 強學習器分析
    3.3 集成學習
    3.4 本章小結(jié)
第四章 單模型構(gòu)建與結(jié)果分析
    4.1 引言
    4.2 實驗數(shù)據(jù)和環(huán)境
    4.3 模型構(gòu)建方法及流程
    4.4 單模型構(gòu)建以及不同特征結(jié)果
    4.5 單模型預測結(jié)果對比分析
    4.6 本章小結(jié)
第五章 融合模型構(gòu)建與結(jié)果分析
    5.1 引言
    5.2 Stacking融合模型基本流程與算法描述
    5.3 構(gòu)建融合模型
    5.4 實驗結(jié)果與分析
    5.5 融合模型進一步優(yōu)化
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 主要工作成果
    6.2 下一步工作展望
致謝
參考文獻
個人簡介



本文編號：3198617