互聯網的快速發(fā)展,使社交媒體和在線購物得了迅速發(fā)展和普及,同時也使網絡上出現了大量與汽車相關的在線評論文本。這些汽車評論中蘊含著大量對企業(yè)有價值的信息,采用合適的分類技術對其進行分類,能夠為汽車企業(yè)挖掘用戶需求,監(jiān)測產品口碑提供十分重要的幫助。但現有關于在線汽車評論文本分類與應用的研究相對較少,特別是缺乏采用深度學習等新技術來對在線汽車評論文本的分類與應用進行探索。對此,本文針對在線汽車評論文本挖掘存在的問題,以及文本分類技術在汽車評論文本分類上面臨的挑戰(zhàn),開展了基于長短期記憶模型的汽車評論文本分類與應用的研究,主要完成了以下工作:（1）構建了汽車評論文本分類與應用框架。針對在線汽車評論文本,分析了其對汽車企業(yè)的生產銷售等各環(huán)節(jié)的影響,總結了基于在線汽車評論文本挖掘的相關應用,并圍繞在線汽車評論文本分類這個核心問題,梳理和構建了基于深度學習方法的汽車評論文本分類與應用框架。（2）提出了基于長短期記憶模型的汽車評論文本分類模型。對于汽車評論文本的主題分類,采用長短期記憶模型來處理,該模型憑借其記憶單元結構,在文本序列分析任務中有著較為理想的效果。而對于汽車評論文本的情感傾向分類,采用情感... 

【文章來源】：合肥工業(yè)大學安徽省211工程院校教育部直屬院校

【文章頁數】：62 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究現狀
        1.2.1 在線評論挖掘研究現狀
        1.2.2 文本分類技術研究現狀
        1.2.3 研究評述
    1.3 本文主要研究內容與結構安排
第二章 相關研究理論與技術
    2.1 中文分詞技術
    2.2 詞向量
        2.2.1 詞向量訓練模型
        2.2.2 情感詞向量
    2.3 深度學習理論與方法
        2.3.1 深度學習理論概述
        2.3.2 循環(huán)絡神經網絡與BPTT算法
    2.4 本章小結
第三章 在線汽車評論文本分類與應用框架構建
    3.1 在線汽車評論對車企的影響和相關應用
        3.1.1 在線汽車評論對車企的影響
        3.1.2 基于在線汽車評論的相關應用
    3.2 在線汽車評論文本分類與應用框架
    3.3 在線汽車評論文本分類的關鍵任務
        3.3.1 評論文本分詞
        3.3.2 評論文本特征提取
    3.4 本章小結
第四章 基于LSTM的汽車評論文本分類
    4.1 問題引出
    4.2 基于LSTM的汽車評論文本主題分類模型
        4.2.1 模型的構建
        4.2.2 模型的輸入處理
        4.2.3 特征抽取與預測
        4.2.4 模型的訓練
    4.3 基于情感詞向量和BLSTM的汽車評論文本情感分類模型
        4.3.1 模型的構建
        4.3.2 模型的輸入處理
        4.3.3 特征抽取與預測
        4.3.4 模型的訓練
    4.4 汽車評論文本主題分類實驗
        4.4.1 實驗數據
        4.4.2 數據預處理
        4.4.3 實驗結果與分析
    4.5 汽車評論文本情感分類實驗
        4.5.1 數據集的選擇與處理
        4.5.2 對比實驗設計
        4.5.3 實驗結果與分析
    4.6 本章小結
第五章 汽車評論文本挖掘系統(tǒng)設計與實現
    5.1 汽車評論文本挖掘系統(tǒng)需求分析
        5.1.1 系統(tǒng)目標
        5.1.2 系統(tǒng)需求分析
    5.2 汽車評論文本挖掘系統(tǒng)體系結構
        5.2.1 系統(tǒng)整體架構
        5.2.2 系統(tǒng)功能模塊劃分
        5.2.3 系統(tǒng)主要功能模塊實現流程設計
    5.3 汽車評論文本挖掘系統(tǒng)實現
        5.3.1 汽車評論文本分類模塊實現
        5.3.2 汽車評論監(jiān)測模塊實現
    5.4 本章小結
第六章 總結與展望
    6.1 總結
    6.2 工作展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況


【參考文獻】：
期刊論文
[1]基于深度學習的問題分類方法研究[J]. 李超,柴玉梅,南曉斐,高明磊.  計算機科學. 2016(12)
[2]基于改進的卷積神經網絡的中文情感分類[J]. 張綺琦,張樹群,雷兆宜.  計算機工程與應用. 2017(22)
[3]用于微博情感分析的一種情感語義增強的深度學習模型[J]. 何炎祥,孫松濤,牛菲菲,李飛.  計算機學報. 2017(04)
[4]基于長短期記憶多維主題情感傾向性分析模型[J]. 滕飛,鄭超美,李文.  計算機應用. 2016(08)
[5]基于SVM的在線商品評論的情感傾向性分析[J]. 肖江,王曉進.  信息技術. 2016(07)
[6]基于對比散度-受限玻爾茲曼機深度學習的產品評論情感分析[J]. 高琰,陳白帆,晁緒耀,毛芳.  計算機應用. 2016(04)
[7]基于word embedding和CNN的情感分類模型[J]. 蔡慧蘋,王麗丹,段書凱.  計算機應用研究. 2016(10)
[8]基于稀疏自動編碼器的微博情感分類應用研究[J]. 秦勝君.  廣西科技大學學報. 2015(03)
[9]基于極性轉移和LSTM遞歸網絡的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學報. 2015(05)
[10]基于自動編碼器的短文本特征提取及聚類研究[J]. 劉勘,袁蘊英.  北京大學學報(自然科學版). 2015(02)

碩士論文
[1]中文社會媒體環(huán)境下汽車質量問題發(fā)現方法研究[D]. 王齊林.合肥工業(yè)大學 2015
[2]面向汽車在線評論的情感分類研究與應用[D]. 黃鶴.哈爾濱工業(yè)大學 2013
[3]汽車行業(yè)負面網絡口碑識別系統(tǒng)的設計與實現[D]. 黃雅琪.華中科技大學 2013
[4]面向產品領域的細粒度情感分析技術[D]. 王山雨.哈爾濱工業(yè)大學 2011
[5]中文分詞關鍵技術研究[D]. 曹衛(wèi)峰.南京理工大學 2009



本文編號：3643411