隨著網(wǎng)絡的發(fā)展以及社會物流、金融等方面的完善,網(wǎng)絡購物在近幾年呈現(xiàn)出異常迅速的發(fā)展趨勢。人們在日常生活中無時無刻不接觸著海量的商品信息,這些信息都在潛意中影響著人們的購物選擇。而由于微博等社交網(wǎng)絡的快速興起,大量的用戶生成內(nèi)容往往會引領出社會潮流,使得商品出現(xiàn)“爆款”。這導致了在互聯(lián)網(wǎng)購物中出現(xiàn)的“馬太效應”,即流行度越高的商品往往會銷量越高,用戶在選擇商品時,流行商品意味著更容易被用戶接受,形成一種強者越強的局面。那么如何從社交網(wǎng)絡這種無結(jié)構(gòu)的網(wǎng)絡中抽取出商品信息,并發(fā)現(xiàn)其中商品的流行度,找到熱點,將會對消費者的購物選擇提供參考,同時也能為商家的生產(chǎn)銷售決策給出意見。由于社交網(wǎng)絡本身的結(jié)構(gòu)不明確,以及內(nèi)容形式隨意、口語化嚴重等問題,都給社交網(wǎng)絡中流行商品的獲取增加了難度。本文將從如何在社交網(wǎng)絡中獲取商品信息,以及如何獲取已抽取商品的流行度兩個方面入手,提出一種面向社交網(wǎng)絡的熱點商品導購算法。本文首先分析了微博中商品實體的定義,并構(gòu)建了一個手機領域的實體庫,通過加入已知領域知識提出了一種改進的命名實體識別方法。通過產(chǎn)品實體庫,達到了較好產(chǎn)品以及特征識別效果。其次,本文在實體識別的基礎上...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結(jié)構(gòu)
第二章 相關理論基礎
    2.1 文本的表示
        2.1.1 詞的向量化表示
        2.1.2 詞嵌入表示
    2.2 基于統(tǒng)計學的命名實體識別概述
        2.2.1 概率圖模型
        2.2.2 隱形馬爾可夫模型
        2.2.3 最大熵馬爾可夫模型
        2.2.4 條件隨機場
    2.3 基于神經(jīng)網(wǎng)絡的命名實體識別概述
        2.3.1 基于Bi-LSTM+CRF的命名實體識別
第三章 微博內(nèi)商品信息的命名實體識別方法
    3.1 規(guī)范化產(chǎn)品語料庫構(gòu)建
        3.1.1 產(chǎn)品實體的定義
        3.1.2 領域產(chǎn)品字典的構(gòu)建
        3.1.3 產(chǎn)品特征字典構(gòu)建
    3.2 基于領域知識庫的產(chǎn)品信息實體識別模型
        3.2.1 中文命名實體識別方法
        3.2.2 基于詞權重的網(wǎng)格模型
    3.3 實驗及分析
        3.3.1 實驗數(shù)據(jù)準備
        3.3.2 實驗評價指標
        3.3.3 實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 面向社交網(wǎng)絡的熱點商品識別
    4.1 微博傳播信息擴充
        4.1.1 微博文本及相關數(shù)據(jù)獲取
        4.1.2 評論及轉(zhuǎn)發(fā)數(shù)據(jù)的清洗
        4.1.3 微博傳播鏈的構(gòu)建
    4.2 熱點商品的發(fā)現(xiàn)
        4.2.1 微博影響力節(jié)點發(fā)現(xiàn)
        4.2.2 基于實體標準化的熱點商品發(fā)現(xiàn)
    4.3 熱點商品導購系統(tǒng)原型設計及實現(xiàn)
        4.3.1 系統(tǒng)需求分析
        4.3.2 模塊設計及實現(xiàn)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻
致謝



本文編號：3844393