智能手機的出現(xiàn)推動了社會的轉型升級,方便了人們的生活。但普通用戶由于信息的不對等性,缺乏手機品牌的相關信息而無法判斷。而隨著以機器學習為代表的新方法逐漸興起,通過海量信息處理而提取手機品牌特征成為現(xiàn)實。因此,本文提出利用消費者的手機購買評論去對手機品牌進行分類預測,主要完成工作如下:(1)數(shù)據(jù)預處理和自定義詞典構建。通過數(shù)據(jù)預處理和規(guī)范化,完成了對手機評論的高頻詞統(tǒng)計,并構建了手機評論領域自定義詞典,對手機評論內(nèi)容進行了歸納。(2)手機品牌分類模型的構建。在詞頻統(tǒng)計的基礎上,對手機評論的不同特征進行歸類,提取了外觀設計、產(chǎn)品性能、拍照等特征,之后實現(xiàn)與特征相近關聯(lián)詞的聚類分析,利用情感字典對評論內(nèi)容進行情感向量化;以特征向量為基礎,智能手機品牌為標簽,并構建基于SVM算法的分類模型。(3)對分類模型進行評估和應用場景研究。通過SVM算法模型與BP神經(jīng)網(wǎng)絡、KNN等分類模型對比,驗證得到SVM具有更好的分類效果;對手機品牌分類模型進行場景應用分析,能夠對用戶購買手機提供決策建議,具有實際需求。

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景介紹
    1.2 研究目的和意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 研究思路和結構
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 研究框架和結構示意圖
    1.4 本文的創(chuàng)新點
第二章 文獻綜述與相關理論
    2.1 文獻綜述
        2.1.1 手機評論分析的相關文獻綜述
        2.1.2 目前研究中存在的不足
    2.2 相關技術理論
        2.2.1 文本分析
        2.2.2 SVM原理
        2.2.3 BP神經(jīng)網(wǎng)絡原理
        2.2.4 KNN原理
        2.2.5 word2vec技術
        2.2.6 主成分分析法
        2.2.7 分類模型評價指標
    2.3 本章小結
第三章 手機品牌分類模型的構建
    3.1 數(shù)據(jù)的獲取與預處理
        3.1.1 數(shù)據(jù)獲取
        3.1.2 數(shù)據(jù)預處理
    3.2 特征提取與分析
        3.2.1 基于word2vec的特征提取
        3.2.2 基于情感詞典的特征向量化
    3.3 手機品牌分類模型的實現(xiàn)
        3.3.1 模型設計
        3.3.2 實驗描述
    3.4 本章小結
第四章 手機品牌分類預測模型分析與應用
    4.1 模型的研究實驗結果分析
        4.1.1 基于SVM的實驗結果分析
        4.1.2 基于BP神經(jīng)網(wǎng)絡的實驗結果分析
        4.1.3 基于KNN的實驗結果分析
    4.2 手機品牌分類模型的應用
        4.2.1 實驗結果總結和參數(shù)說明
        4.2.2 場景可視化
        4.2.3 模型應用
    4.3 本章小結
第五章 結論和展望
    5.1 結論
    5.2 未來展望
致謝
參考文獻
攻讀碩士期間取得的研究成果



本文編號：3754239