本文關(guān)鍵詞：基于汽車故障的用戶評價觀點(diǎn)研究

  更多相關(guān)文章： 本體 自然語言處理 信息抽取 Hownet相似度

【摘要】：隨著大眾對汽車的需求以及汽車普及程度的提高,用戶體驗(yàn)汽車并交流汽車故障、缺陷和服務(wù)不規(guī)范的信息也海量增多,如何從用戶對汽車產(chǎn)品的評價信息中進(jìn)行信息處理,挖掘出有利于汽車廠家改善并提高產(chǎn)品質(zhì)量信息,維修人員快速、準(zhǔn)確定位汽車故障點(diǎn),實(shí)現(xiàn)快捷服務(wù),從而推動汽車產(chǎn)業(yè)的健康發(fā)展,促進(jìn)人民生活水平的提高,無疑具有重要的現(xiàn)實(shí)意義。為了實(shí)現(xiàn)對信息內(nèi)容的查詢、重構(gòu)和再利用,人們常常采用信息抽取技術(shù)。信息抽取的主要任務(wù)是從非結(jié)構(gòu)或者半結(jié)構(gòu)化的文檔中獲取用戶所需內(nèi)容并形成機(jī)器可讀的形式,通過數(shù)據(jù)的統(tǒng)計(jì)和分析將其應(yīng)用于需要的領(lǐng)域中。本體技術(shù)具有清晰的概念層次結(jié)構(gòu),通過描述類與類中元素之間的概念和關(guān)系,使得計(jì)算機(jī)能夠根據(jù)構(gòu)建模型的表述理解人類的經(jīng)驗(yàn)知識。本體技術(shù)在多領(lǐng)域的實(shí)驗(yàn)研究中起到指導(dǎo)對照的作用,可以很好的應(yīng)用于信息抽取技術(shù)中。本文提出一個有效處理文本歸類問題的模型,該模型通過將眾多涉及汽車故障的用戶評價觀點(diǎn)進(jìn)行整合分類的方式,深入探究用戶評價觀點(diǎn)與汽車故障之間存在的關(guān)系。首先,從網(wǎng)絡(luò)上收集的用戶評價觀點(diǎn)通過自然語言處理技術(shù),將無結(jié)構(gòu)化的文檔轉(zhuǎn)換為結(jié)構(gòu)化的集合,在此過程中,要考慮到中文文本和汽車專業(yè)領(lǐng)域的特殊性,對該模型進(jìn)行詞匯擴(kuò)充,同時使用矩陣降維技術(shù)來降低文文本總詞匯數(shù)目保留核心詞匯,在Hownet知識庫的基礎(chǔ)上引入用戶自定義的汽車本體詞匯結(jié)構(gòu)作為補(bǔ)充來指導(dǎo)文檔分類過程,使得分類結(jié)果更加精確。使用Hownet方法將文檔詞匯與知網(wǎng)知識庫、汽車本體詞匯庫進(jìn)行相似度計(jì)算,從而把文檔集合按照投訴問題的相似程度歸類。隨著自然語言處理和信息抽取的發(fā)展,以及語義網(wǎng)技術(shù)的廣泛應(yīng)用,我們可以在無監(jiān)督的歸類方法基礎(chǔ)上,通過汽車領(lǐng)域本體的指導(dǎo)作用,將大量文檔高效正確的進(jìn)行整合分類,進(jìn)而追蹤汽車部件中存在的故障和安全隱患。該研究在實(shí)際中具有一定的實(shí)用效果和利用價值。
【關(guān)鍵詞】：本體 自然語言處理 信息抽取 Hownet相似度
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U472;TP391.1
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 引言9-13
• 1.1 研究背景及意義9-10
• 1.1.1 選題背景9-10
• 1.1.2 選題意義10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 信息抽取的研究現(xiàn)狀10-11
• 1.2.2 大數(shù)據(jù)分析的研究現(xiàn)狀11-12
• 1.3 論文組織結(jié)構(gòu)12-13
• 第二章 汽車本體的設(shè)計(jì)與構(gòu)建13-17
• 2.1 汽車結(jié)構(gòu)與組成13-14
• 2.2 本體的基本介紹14-15
• 2.2.1 本體的概念14
• 2.2.2 本體的構(gòu)建方法和開發(fā)工具14-15
• 2.3 汽車本體知識庫的構(gòu)建15-16
• 2.4 本章小結(jié)16-17
• 第三章 相關(guān)技術(shù)介紹17-22
• 3.1 文本聚類技術(shù)的介紹17-20
• 3.1.1 文檔預(yù)處理技術(shù)17-18
• 3.1.2 向量空間模型18
• 3.1.3 TF-IDF計(jì)算18-19
• 3.1.4 文本聚類算法19-20
• 3.2 詞匯相似度技術(shù)的研究20-21
• 3.3 算法性能評價指標(biāo)21-22
• 第四章 融合的文本聚類計(jì)算與實(shí)驗(yàn)22-35
• 4.1 基于K-means的文本聚類算法研究22-29
• 4.1.1 汽車投訴原始文檔訓(xùn)練集及其預(yù)處理22-25
• 4.1.2 TF-IDF與矩陣降維25-26
• 4.1.3 基于K-means的文本聚類算法實(shí)驗(yàn)26-27
• 4.1.4 實(shí)驗(yàn)結(jié)果與分析27-29
• 4.2 基于Hownet方法的研究及實(shí)驗(yàn)29-32
• 4.2.1 基于Hownet的相似度計(jì)算介紹29-30
• 4.2.2 基于Hownet相似度計(jì)算實(shí)驗(yàn)過程30
• 4.2.3 實(shí)驗(yàn)結(jié)果及分析30-32
• 4.3 基于汽車本體的Hownet算法研究32-33
• 4.3.1 基于汽車本體的Hownet算法實(shí)驗(yàn)32-33
• 4.3.2 實(shí)驗(yàn)結(jié)果及分析33
• 4.4 汽車投訴測試文檔集實(shí)驗(yàn)及結(jié)果33-34
• 4.5 本章小結(jié)34-35
• 第五章 結(jié)論與分析35-39
• 第六章 總結(jié)與展望39-40
• 參考文獻(xiàn)40-43
• 致謝43

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 周由;戴牡紅;;語義分析與TF-IDF方法相結(jié)合的新聞推薦技術(shù)[J];計(jì)算機(jī)科學(xué);2013年S2期

2 劉萍;陳燁;;詞匯相似度研究進(jìn)展綜述[J];現(xiàn)代圖書情報技術(shù);2012年Z1期

3 李文清;孫新;張常有;馮燁;;一種本體概念的語義相似度計(jì)算方法[J];自動化學(xué)報;2012年02期

4 朱會峰;左萬利;赫楓齡;彭濤;紀(jì)文彥;;一種基于本體的文本聚類方法[J];吉林大學(xué)學(xué)報(理學(xué)版);2010年02期

5 李保利,陳玉忠,俞士汶;信息抽取研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2003年10期

，

本文編號：957023