本文選題：社會化商務(wù) + 信譽(yù)評價�。� 參考：《大連理工大學(xué)》2016年碩士論文

【摘要】：社會化媒體與電子商務(wù)相互滲透、廣泛融合,催生了兼具二者雙重屬性的社會化商務(wù)。社會化商務(wù)背景下,商家數(shù)量的快速增長與商家信譽(yù)水平的參差不齊,使得商家信譽(yù)評價問題越發(fā)緊迫與重要。而用戶評論文本是蘊(yùn)含商家信譽(yù)信息的寶藏,通過萃取和語義分析等文本挖掘技術(shù)能夠快速獲得其中的有效信息,為消費(fèi)者做出購買決策提供依據(jù),為商家改善服務(wù)、提高信譽(yù)水平提供參考。針對上述問題,本文通過對評論文本抽取主題詞,采用聚類分析以及情感分析等文本挖掘方法,構(gòu)建商家信譽(yù)維度體系,對商家信譽(yù)水平進(jìn)行評價,主要內(nèi)容如下：商家信譽(yù)維度體系構(gòu)建。提出評論文本主題詞抽取方法,將主題詞抽取分為初步抽取、主題詞擴(kuò)展、詞頻調(diào)整三個步驟,以保證主題詞抽取完全；提出基于HNC的主題詞聚類算法,將HNC語義信息引入改進(jìn)的CURE算法,獲得更好的聚類效果；以代表點描述聚類簇作為信譽(yù)維度,根據(jù)聚類簇中的主題詞詞頻計算各維度權(quán)重,生成信譽(yù)維度體系。最后實驗驗證了本文提出的評論文本主題詞抽取方法以及主題詞聚類方法的準(zhǔn)確性,并以京東平臺手機(jī)評論文本為實例,構(gòu)建商家信譽(yù)維度體系,證明了方法的可行性與有效性。商家信譽(yù)評價。將信譽(yù)維度體系中的主題詞還原到評論文本,通過依存句法定位修飾主題詞的情感詞、程度副詞和否定詞；提出基于HNC的情感詞的情感值計算方法,基于距離的否定詞權(quán)重計算方法,并建立程度副詞權(quán)重表,確定主題詞的評價情感值；結(jié)合詞頻信息計算各信譽(yù)維度的信譽(yù)值,結(jié)合各維度權(quán)重值計算商家的綜合信譽(yù)值。最后實驗驗證了本文提出的情感值計算方法與人工標(biāo)注的吻合度,在實例分析中采用本文提出的方法計算商家的信譽(yù)值,并對商家的信譽(yù)水平進(jìn)行了分析和評價。本文提出的商家信譽(yù)維度體系構(gòu)建方法以及信譽(yù)評價方法,豐富了文本挖掘理論的研究,彌補(bǔ)了目前社會化商務(wù)背景下商家信譽(yù)評價工作的不足,具有良好的應(yīng)用前景。
[Abstract]:Social media and e-commerce are infiltrated and integrated widely, which have brought about a social business with the dual attributes of two parties. Under the background of socialized business, the rapid growth of the number of businesses and the uneven reputation of the merchants have made the reputation evaluation of merchants more urgent and important. The text mining technology, such as extraction and semantic analysis, can get the effective information quickly, provide the basis for the consumer to make the purchase decision, and provide the reference for the business to improve the service and improve the prestige level. This method constructs the business reputation dimension system and evaluates the reputation level of the merchant. The main contents are as follows: the business reputation dimension system is constructed. The extraction method of comment text theme words is put forward, and the extraction of subject words is divided into three steps: the initial extraction, the extension of the subject words and the word frequency adjustment to ensure the complete extraction of the subject words; based on the HNC The HNC semantic information is introduced into the improved CURE algorithm to obtain better clustering results. The representative points are used to describe the clustering cluster as the reputation dimension and calculate the weight of each dimension according to the word frequency of the topic word in the cluster. Finally, the method of extracting the topic word extraction method proposed in this paper is verified. And the accuracy of the topic word clustering method, and taking the Jingdong platform mobile comment text as an example to construct the business reputation dimension system, which proves the feasibility and effectiveness of the method. The emotion value calculation method based on HNC, the calculation method of emotional value based on the emotion words, the weight calculation method based on the distance based negative words, and the establishment of the degree adverb weight table, to determine the evaluation emotion value of the subject word, calculate the reputation value of each credit dimension with the word frequency information, and calculate the comprehensive reputation value of the merchant with the weight value of each dimension. Finally the experiment is tested. In this paper, the agreement between the calculation method of emotion value and the manual annotation is proved. In the case analysis, the reputation value of the merchant is calculated by the method proposed in this paper, and the reputation level of the merchant is analyzed and evaluated. The method of building the reputation dimension system and the reputation evaluation method proposed in this paper enriches the theory of text mining. The research makes up for the shortage of business reputation evaluation under the background of social commerce and has good application prospects.

【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許璐蕾;;網(wǎng)絡(luò)評論中情感詞的獲取及極性判斷方法比較[J];電腦與電信;2011年01期

2 肖健;徐建;朱姝;萬纓;許亮;;基于翻譯和語義方法的情感詞挖掘研究[J];計算機(jī)工程與應(yīng)用;2011年32期

3 趙鵬;趙志偉;卓景文;;一種情感詞語義加權(quán)的句子傾向性識別方法[J];計算機(jī)工程與應(yīng)用;2011年35期

4 代大明;李壽山;李培峰;朱巧明;;基于情緒詞與情感詞協(xié)作學(xué)習(xí)的情感分類方法研究[J];計算機(jī)科學(xué);2012年12期

5 李勇敢;周學(xué)廣;孫艷;張煥國;;結(jié)合依存關(guān)聯(lián)分析和規(guī)則統(tǒng)計分析的情感詞庫構(gòu)建方法[J];武漢大學(xué)學(xué)報(理學(xué)版);2013年05期

6 彭慶喜;錢鐵云;;基于量化情感的網(wǎng)店垃圾評論檢測[J];山東大學(xué)學(xué)報(理學(xué)版);2013年11期

7 杜嘉忠;徐健;劉穎;;網(wǎng)絡(luò)商品評論的特征 情感詞本體構(gòu)建與情感分析方法研究[J];現(xiàn)代圖書情報技術(shù);2014年05期

8 張清亮;徐健;;網(wǎng)絡(luò)情感詞自動識別方法研究[J];現(xiàn)代圖書情報技術(shù);2011年10期

9 黃俊;田生偉;禹龍;馮冠軍;;基于維吾爾語情感詞的句子情感分析[J];計算機(jī)工程;2012年09期

10 孫勁光;馬志芳;孟祥福;;基于情感詞屬性和云模型的文本情感分類方法[J];計算機(jī)工程;2013年12期

相關(guān)會議論文 前5條

1 陳奇哲;劉全升;姚天f ;;漢語意見型語句主題與情感關(guān)系抽取的研究[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

2 孫慧;關(guān)毅;董喜雙;;中文情感詞傾向消歧[A];第六屆全國信息檢索學(xué)術(shù)會議論文集[C];2010年

3 段秀婷;何婷婷;宋樂;;基于PMI-IR算法的Blog情感分類研究[A];第五屆全國青年計算語言學(xué)研討會論文集[C];2010年

4 李先斌;袁平波;俞能海;;基于局部最優(yōu)的情感標(biāo)簽圖像自動標(biāo)注算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

5 王樅;涂序彥;劉嘉;;注意-情緒協(xié)調(diào)的個性化信息推薦模型[A];2006年首屆ICT大會信息、知識、智能及其轉(zhuǎn)換理論第一次高峰論壇會議論文集[C];2006年

相關(guān)博士學(xué)位論文 前8條

1 劉全超;面向中文微博的觀點挖掘與傾向性分析研究[D];北京理工大學(xué);2015年

2 董喜雙;基于免疫多詞主體自治學(xué)習(xí)的情感分析研究[D];哈爾濱工業(yè)大學(xué);2013年

3 寇廣增;基于意見挖掘通用框架的情感極性強(qiáng)度模糊性研究[D];武漢大學(xué);2010年

4 楊玉珍;基于Web評論信息的傾向性分析關(guān)鍵技術(shù)研究[D];山東師范大學(xué);2014年

5 黃勝;Web評論文本的細(xì)粒度意見挖掘技術(shù)研究[D];北京理工大學(xué);2014年

6 施寒瀟;細(xì)粒度情感分析研究[D];蘇州大學(xué);2013年

7 李榮軍;中文商品評論傾向性分析研究[D];北京郵電大學(xué);2011年

8 李芳;面向中文Web評論的觀點挖掘關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 孫博;關(guān)于情感詞的意義用法[D];遼寧大學(xué);2012年

2 王銀;中文微博情感分析方法研究[D];廣東技術(shù)師范學(xué)院;2015年

3 崔連超;互聯(lián)網(wǎng)評論文本情感分析研究[D];山東大學(xué);2015年

4 杜雪峰;藏文句子傾向性分析研究[D];中央民族大學(xué);2015年

5 孫建超;微博輿情挖掘技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2015年

6 張圣聲;基于微博平臺的產(chǎn)品評論情感分類研究[D];廣東外語外貿(mào)大學(xué);2015年

7 何天翔;基于情感詞網(wǎng)的短文本情感分類方法研究[D];西南科技大學(xué);2015年

8 丁星;基于文本傾向性分析技術(shù)的微博監(jiān)控系統(tǒng)[D];江蘇科技大學(xué);2015年

9 李茜;博客意見檢索關(guān)鍵問題研究[D];北京理工大學(xué);2015年

10 李瑞靜;漢語情感詞模糊語義的量化分析及應(yīng)用研究[D];北京理工大學(xué);2015年

，

本文編號：1827771