近年來,民航不文明旅客行為頻頻發(fā)生,不僅嚴(yán)重影響了廣大旅客的正常生活和利益,而且嚴(yán)重地影響了航空安全。如何利用民航不文明旅客數(shù)據(jù),將不文明旅客按照不文明行為程度進(jìn)行分類,為航空公司和機(jī)場(chǎng)提供決策依據(jù)顯得尤為重要。用戶畫像是通過用戶的基本屬性和行為內(nèi)容等信息進(jìn)行抽象,將用戶“標(biāo)簽化”,對(duì)用戶進(jìn)行分類。此外,現(xiàn)有用戶畫像的研究集中于數(shù)據(jù)的數(shù)值特征,而文本作為重要的數(shù)據(jù)特征卻未被充分利用。因此,本文以民航不文明旅客的文本數(shù)據(jù)為研究?jī)?nèi)容,著重研究了民航不文明旅客的用戶畫像構(gòu)建方法,實(shí)現(xiàn)了民航不文明旅客的分類,這對(duì)于民航不文明旅客的精細(xì)化管理具有重要意義。本文首先提出了一種用于目標(biāo)情感分析的位置感知雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的圖卷積和注意力模型,為構(gòu)建民航不文明旅客用戶畫像提供了算法模型和理論基礎(chǔ)。該模型分為兩個(gè)通道,分別利用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)和多頭注意力機(jī)制、位置感知雙向長(zhǎng)短期記憶網(wǎng)絡(luò)和依賴樹上的圖卷積神經(jīng)網(wǎng)絡(luò)兩個(gè)通道進(jìn)行特征提取。實(shí)驗(yàn)表明,通過SemEval2014任務(wù)四的Restaurant和Laptop數(shù)據(jù),該模型顯著提高了分類的準(zhǔn)確率。此外,為實(shí)現(xiàn)民航不文明旅客的分類,進(jìn)一步研究了基于目標(biāo)情感... 

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 民航不文明旅客分類
        1.2.2 用戶畫像構(gòu)建方法
        1.2.3 目標(biāo)情感分析
    1.3 論文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論基礎(chǔ)
    2.1 多頭注意力機(jī)制
    2.2 BiLSTM
    2.3 圖卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 位置感知BiLSTM的圖卷積和注意力的目標(biāo)情感分析
    3.1 位置感知BiLSTM的圖卷積和注意力模型
        3.1.1 模型定義
        3.1.2 輸入層
        3.1.3 BiLSTM和多頭注意力機(jī)制
        3.1.4 位置感知BiLSTM和依賴樹上的圖卷積神經(jīng)網(wǎng)絡(luò)
    3.2 實(shí)驗(yàn)設(shè)置
        3.2.1 實(shí)驗(yàn)環(huán)境及配置
        3.2.2 實(shí)驗(yàn)數(shù)據(jù)
        3.2.3 參數(shù)設(shè)置
        3.2.4 對(duì)比模型
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 與基準(zhǔn)方法的準(zhǔn)確率對(duì)比實(shí)驗(yàn)
        3.3.2 與最新方法的準(zhǔn)確率對(duì)比實(shí)驗(yàn)
    3.4 本章小結(jié)
第四章 基于目標(biāo)情感分析的民航不文明旅客用戶畫像方法
    4.1 民航不文明旅客基本概念及場(chǎng)景分析
        4.1.1 民航不文明旅客定義
        4.1.2 民航不文明旅客分類
        4.1.3 民航不文明旅客用戶畫像構(gòu)建過程
    4.2 基于目標(biāo)情感分析的民航不文明旅客用戶畫像模型
        4.2.1 模型定義
        4.2.2 輸入層
        4.2.3 注意力層
        4.2.4 門控卷積層
        4.2.5 模型訓(xùn)練
    4.3 實(shí)驗(yàn)設(shè)置
        4.3.1 實(shí)驗(yàn)環(huán)境及配置
        4.3.2 實(shí)驗(yàn)數(shù)據(jù)
        4.3.3 參數(shù)設(shè)置
        4.3.4 對(duì)比模型
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 與基準(zhǔn)方法的準(zhǔn)確率對(duì)比實(shí)驗(yàn)
        4.4.2 與基準(zhǔn)方法的收斂時(shí)間對(duì)比實(shí)驗(yàn)
        4.4.3 網(wǎng)絡(luò)參數(shù)對(duì)情感分類的影響
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 未來工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]采用注意力門控卷積網(wǎng)絡(luò)模型的目標(biāo)情感分析[J]. 曹衛(wèi)東,李嘉琪,王懷超.  西安電子科技大學(xué)學(xué)報(bào). 2019(06)
[2]基于注意機(jī)制的化學(xué)藥物命名實(shí)體識(shí)別[J]. 楊培,楊志豪,羅凌,林鴻飛,王健.  計(jì)算機(jī)研究與發(fā)展. 2018(07)
[3]基于多通道卷積神經(jīng)網(wǎng)絡(luò)的中文微博情感分析[J]. 陳珂,梁斌,柯文德,許波,曾國(guó)超.  計(jì)算機(jī)研究與發(fā)展. 2018(05)
[4]基于多注意力卷積神經(jīng)網(wǎng)絡(luò)的特定目標(biāo)情感分析[J]. 梁斌,劉全,徐進(jìn),周倩,章鵬.  計(jì)算機(jī)研究與發(fā)展. 2017(08)

博士論文
[1]大數(shù)據(jù)背景下商業(yè)銀行精準(zhǔn)營(yíng)銷的設(shè)計(jì)與應(yīng)用[D]. 鄧典雅.華南理工大學(xué) 2018

碩士論文
[1]電信假日遷徙精準(zhǔn)營(yíng)銷系統(tǒng)的開發(fā)及應(yīng)用[D]. 黃維申.南京郵電大學(xué) 2019
[2]基于知識(shí)圖譜的游記攻略推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 康文云.大連理工大學(xué) 2019
[3]基于細(xì)粒度情感分析的推薦系統(tǒng)[D]. 叢大瑋.哈爾濱工業(yè)大學(xué) 2019
[4]融合多源異構(gòu)數(shù)據(jù)的推薦模型與系統(tǒng)[D]. 邱豐羽.南京大學(xué) 2019
[5]基于混雜文本數(shù)據(jù)的民航不文明旅客分類模型研究[D]. 蘇現(xiàn)帥.中國(guó)民航大學(xué) 2019
[6]用戶畫像系統(tǒng)的研究與實(shí)現(xiàn)[D]. 李雅潔.華中科技大學(xué) 2019
[7]大數(shù)據(jù)背景下面向運(yùn)營(yíng)商精準(zhǔn)營(yíng)銷的用戶畫像研究[D]. 李斯.大連理工大學(xué) 2019
[8]基于大數(shù)據(jù)的D財(cái)產(chǎn)保險(xiǎn)公司精準(zhǔn)營(yíng)銷研究[D]. 白惠玲.長(zhǎng)安大學(xué) 2019
[9]基于情感分析的Android平臺(tái)用戶畫像方法研究[D]. 劉禹辰.北京交通大學(xué) 2019
[10]基于回歸樹模型的推薦技術(shù)研究和應(yīng)用[D]. 吳爽.南京大學(xué) 2018



本文編號(hào)：3705692