互聯(lián)網(wǎng)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(wǎng)絡(luò)上出現(xiàn)了大量與汽車相關(guān)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(shù)對其進行分類,能夠為汽車企業(yè)挖掘用戶需求,監(jiān)測產(chǎn)品口碑提供十分重要的幫助。但現(xiàn)有關(guān)于在線汽車評論文本分類與應(yīng)用的研究相對較少,特別是缺乏采用深度學(xué)習(xí)等新技術(shù)來對在線汽車評論文本的分類與應(yīng)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(shù)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(yīng)用的研究,主要完成了以下工作:（1）構(gòu)建了汽車評論文本分類與應(yīng)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(chǎn)銷售等各環(huán)節(jié)的影響,總結(jié)了基于在線汽車評論文本挖掘的相關(guān)應(yīng)用,并圍繞在線汽車評論文本分類這個核心問題,梳理和構(gòu)建了基于深度學(xué)習(xí)方法的汽車評論文本分類與應(yīng)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(jié)構(gòu),在文本序列分析任務(wù)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(xué)安徽省211工程院校教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)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(nèi)外研究現(xiàn)狀
        1.2.1 在線評論挖掘研究現(xiàn)狀
        1.2.2 文本分類技術(shù)研究現(xiàn)狀
        1.2.3 研究評述
    1.3 本文主要研究內(nèi)容與結(jié)構(gòu)安排
第二章 相關(guān)研究理論與技術(shù)
    2.1 中文分詞技術(shù)
    2.2 詞向量
        2.2.1 詞向量訓(xùn)練模型
        2.2.2 情感詞向量
    2.3 深度學(xué)習(xí)理論與方法
        2.3.1 深度學(xué)習(xí)理論概述
        2.3.2 循環(huán)絡(luò)神經(jīng)網(wǎng)絡(luò)與BPTT算法
    2.4 本章小結(jié)
第三章 在線汽車評論文本分類與應(yīng)用框架構(gòu)建
    3.1 在線汽車評論對車企的影響和相關(guān)應(yīng)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(guān)應(yīng)用
    3.2 在線汽車評論文本分類與應(yīng)用框架
    3.3 在線汽車評論文本分類的關(guān)鍵任務(wù)
        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(jié)
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(gòu)建
        4.2.2 模型的輸入處理
        4.2.3 特征抽取與預(yù)測
        4.2.4 模型的訓(xùn)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(gòu)建
        4.3.2 模型的輸入處理
        4.3.3 特征抽取與預(yù)測
        4.3.4 模型的訓(xùn)練
    4.4 汽車評論文本主題分類實驗
        4.4.1 實驗數(shù)據(jù)
        4.4.2 數(shù)據(jù)預(yù)處理
        4.4.3 實驗結(jié)果與分析
    4.5 汽車評論文本情感分類實驗
        4.5.1 數(shù)據(jù)集的選擇與處理
        4.5.2 對比實驗設(shè)計
        4.5.3 實驗結(jié)果與分析
    4.6 本章小結(jié)
第五章 汽車評論文本挖掘系統(tǒng)設(shè)計與實現(xiàn)
    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(biāo)
        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(jié)構(gòu)
        5.2.1 系統(tǒng)整體架構(gòu)
        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(xiàn)流程設(shè)計
    5.3 汽車評論文本挖掘系統(tǒng)實現(xiàn)
        5.3.1 汽車評論文本分類模塊實現(xiàn)
        5.3.2 汽車評論監(jiān)測模塊實現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 工作展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況


【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)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(xué). 2016(12)
[2]基于改進的卷積神經(jīng)網(wǎng)絡(luò)的中文情感分類[J]. 張綺琦,張樹群,雷兆宜.  計算機工程與應(yīng)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(xué)習(xí)模型[J]. 何炎祥,孫松濤,牛菲菲,李飛.  計算機學(xué)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(yīng)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(shù). 2016(07)
[6]基于對比散度-受限玻爾茲曼機深度學(xué)習(xí)的產(chǎn)品評論情感分析[J]. 高琰,陳白帆,晁緒耀,毛芳.  計算機應(yīng)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(yīng)用研究. 2016(10)
[8]基于稀疏自動編碼器的微博情感分類應(yīng)用研究[J]. 秦勝君.  廣西科技大學(xué)學(xué)報. 2015(03)
[9]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)
[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(xué)學(xué)報(自然科學(xué)版). 2015(02)

碩士論文
[1]中文社會媒體環(huán)境下汽車質(zhì)量問題發(fā)現(xiàn)方法研究[D]. 王齊林.合肥工業(yè)大學(xué) 2015
[2]面向汽車在線評論的情感分類研究與應(yīng)用[D]. 黃鶴.哈爾濱工業(yè)大學(xué) 2013
[3]汽車行業(yè)負(fù)面網(wǎng)絡(luò)口碑識別系統(tǒng)的設(shè)計與實現(xiàn)[D]. 黃雅琪.華中科技大學(xué) 2013
[4]面向產(chǎn)品領(lǐng)域的細(xì)粒度情感分析技術(shù)[D]. 王山雨.哈爾濱工業(yè)大學(xué) 2011
[5]中文分詞關(guān)鍵技術(shù)研究[D]. 曹衛(wèi)峰.南京理工大學(xué) 2009



本文編號：3643411