近年來,隨著互聯(lián)網(wǎng)的飛速發(fā)展,眾多消費(fèi)者在購物時都習(xí)慣于通過在線口碑來了解產(chǎn)品的優(yōu)劣,文本評論作為在線口碑中最常見的形式,其對消費(fèi)者購買行為起到了非常重要的作用,而文本評論最核心的內(nèi)容就是評論者所表達(dá)出的情感極性。在汽車產(chǎn)品的選購方面,盡管大部分消費(fèi)者會選擇線下交易,但他們在挑選汽車時,很多都會采用同網(wǎng)絡(luò)購物類似的方式,通過汽車論壇當(dāng)中的文本評論了解產(chǎn)品的相關(guān)信息。本文將現(xiàn)今較為成熟的文本情感極性分析應(yīng)用到汽車文本評論當(dāng)中,從而獲取用戶對汽車產(chǎn)品的多元反饋信息。一方面,通過維度詞表和規(guī)則對句子級評論進(jìn)行標(biāo)簽匹配,從而確定該評論所描述的具體屬性;另一方面,采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法（LSTM）來分析評論的情感極性。最后以車系為單位將兩者的結(jié)果匯總,并通過定義評分指標(biāo)和可視化的方式進(jìn)行呈現(xiàn)。該評分結(jié)果不僅能夠幫助廠商決策人員調(diào)整和改進(jìn)產(chǎn)品,而且對消費(fèi)者挑選汽車產(chǎn)品有著重要的參考價值。在汽車文本的情感極性分析部分,實(shí)驗(yàn)表明:機(jī)器學(xué)習(xí)方法中,詞向量均值作特征,支持向量機(jī)或邏輯回歸作分類器時效果較好,模型在驗(yàn)證集上的準(zhǔn)確率可以達(dá)到95%以上,而相較于機(jī)器學(xué)習(xí)模型,深度學(xué)習(xí)模型的效果更佳,其在驗(yàn)證... 

【文章來源】：首都經(jīng)濟(jì)貿(mào)易大學(xué)北京市

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【部分圖文】：

整體方案流程圖

首都經(jīng)長度固定的向量。原理參考了 Bengio 在 200型參數(shù)較多、訓(xùn)練緩慢，不適合數(shù)據(jù)量大的簡化，得到了如今的 Word2vec 詞向量工具[2時也是自然語言處理的重大突破。個重要模型：CBOW 和 Skip-gram。首先是 C為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含輸入層、投影層、輸?shù)脑~向量，w(t-2)、w(t-1)、w(t+1)、w(t+2)表示的輸入層和輸出層可知，CBOW 是通過當(dāng)前

示意圖如下圖所示，該模型也是一個三層的神ram 是通過當(dāng)前詞 w(t)來預(yù)測 w(t)的上下文。輸一個恒等投影，節(jié)點(diǎn)從輸入層到投影層無需經(jīng)為了從結(jié)構(gòu)上和 CBOW 模型進(jìn)行類比，這里 。輸出層依然是一棵 Huffman 樹，與 CBOW參數(shù)向量 （j=1,2,3,…,k，k 取決于上下文單詞概率。而后利用隨機(jī)梯度上升法對L進(jìn)行優(yōu)化向量進(jìn)行更新，每處理一個上下文中的詞就進(jìn)

【參考文獻(xiàn)】：
期刊論文
[1]面向汽車評論的細(xì)粒度情感分析方法研究[J]. 陳炳豐,郝志峰,蔡瑞初,溫雯,王麗娟,黃浩,蔡曉鳳.  廣東工業(yè)大學(xué)學(xué)報. 2017(03)
[2]基于詞向量模型的情感分析[J]. 魏廣順,吳開超.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[3]分段卷積神經(jīng)網(wǎng)絡(luò)在文本情感分析中的應(yīng)用[J]. 杜昌順,黃磊.  計(jì)算機(jī)工程與科學(xué). 2017(01)
[4]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報. 2015(05)
[5]基于極性詞典的中文微博客情感分類[J]. 王勇,呂學(xué)強(qiáng),姬連春,肖詩斌.  計(jì)算機(jī)應(yīng)用與軟件. 2014(01)
[6]話題型微博語言特點(diǎn)及其情感分析策略研究[J]. 侯敏,滕永林,李雪燕,陳毓麒,鄭雙美,侯明午,周紅照.  語言文字應(yīng)用. 2013(02)
[7]基于主題情感混合模型的無監(jiān)督文本情感分析[J]. 孫艷,周學(xué)廣,付偉.  北京大學(xué)學(xué)報(自然科學(xué)版). 2013(01)
[8]基于機(jī)器學(xué)習(xí)的中文微博情感分類實(shí)證研究[J]. 劉志明,劉魯.  計(jì)算機(jī)工程與應(yīng)用. 2012(01)
[9]新聞報道文本的情感傾向性研究[J]. 昝紅英,郭明,柴玉梅,吳云芳.  計(jì)算機(jī)工程. 2010(15)
[10]基于HowNet的詞匯語義傾向計(jì)算[J]. 朱嫣嵐,閔錦,周雅倩,黃萱菁,吳立德.  中文信息學(xué)報. 2006(01)

碩士論文
[1]基于汽車品牌評論的情感分類系統(tǒng)研究[D]. 張連彬.合肥工業(yè)大學(xué) 2017
[2]基于深度神經(jīng)網(wǎng)絡(luò)的微博短文本情感分析研究[D]. 張英.中原工學(xué)院 2017
[3]汽車評論情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張愛蓮.西安電子科技大學(xué) 2013
[4]汽車在線口碑對消費(fèi)者購買行為影響的實(shí)證研究[D]. 程小葉.哈爾濱工業(yè)大學(xué) 2012
[5]基于情感詞典的中文微博情感傾向分析研究[D]. 陳曉東.華中科技大學(xué) 2012



本文編號：3275203