近年來,隨著電子商務的迅猛發(fā)展,網購評論作為傳統(tǒng)口碑的數(shù)字化版本己經成為網絡消費評價的最主要信息來源之一。一方面,大量理論研究及實踐應用表明,消費者對線上商品所表達的情感傾向不僅對其他消費者的潛在購買決策有重要指導作用,而且對于生產商和商家改進商品品質、持續(xù)優(yōu)化經營策略具有重要影響;另一方面,由于不同消費者和商家對于不同商品特征的關注度往往不同,因此傳統(tǒng)基于網購評論整體情感傾向性的分析結果,已經無法滿足用戶日益多樣化的現(xiàn)實需求�；谏鲜霰尘�,本文在深入學習國內外情感分析理論及其主要研究成果基礎之上,以某電商平臺關于手機的交易數(shù)據(jù)作為研究用實驗數(shù)據(jù),將情感分析作用于商品的不同屬性,開展了基于網購評論信息情感傾向性分析的在線商品銷售量預測模型研究,主要研究工作如下:（1）提出了一種基于融合詞性的BiLSTM-CRF模型的商品顯式特征提取方法。該方法首先對基于詞語的評論句和基于詞性的評論句進行獨立建模,分別使用BiLSTM網絡學習評論信息的長期依賴關系,然后將詞語與詞性的特征進行融合,并將融合后的語義特征接入全連接網絡,最后將全連接網絡輸出的結果作為CRF網絡的輸入,經過CRF層的訓練得出帶... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖２．?３?ＬＳＴＭ總體框架??Ｆｉｇ．?２．３?ＬＳＴＭ?ｏｖｅｒａｌｌ?ｆｒａｍｅｗｏｒｋ??２．?３情感分類方法??

０１７年４月２８日至２０１８年６月２８日在每月２８日收集相關數(shù)據(jù)，共計６５５３６條。采集??的數(shù)據(jù)包括：商品ＩＤ、商品名稱、店鋪名稱、價格、月銷量、總評論數(shù)、評論內容、??評論時間、商品評分、店鋪服務評分、店鋪物流評分、店鋪年數(shù)、商品分期免息月數(shù)、??商品被收藏數(shù)、追評數(shù)、評論中圖片數(shù)、該型號手機上市天數(shù)。月銷量是指當前價格下??的月銷量，不包含價格變動帶來的銷量，且月銷量是指當前周期（３０天）內的銷量，不??與其他周期的銷量累加。??將處理后的數(shù)據(jù)放到同一數(shù)據(jù)表中，表中１？１０列如圖３．３中（ａ）所示，１１？２１??列如圖３．３中（ｂ）所示。本章采用其中的評論內容作為實驗數(shù)據(jù)。??ｉｄ?ｓｅｌｌｅｒ＿ｉｄ?ｉｔｅｍ?ｓｈｏｐ＿ｎａｍｅ?ｐｒｉｃｅ?ｓｅｌｌ＿ｉｒｔｏｔａｌ＿ｃ?ｒａｔｅＣｏｎｔｅｎｔ?ｒａｔｅＤａｔｅ?ａｕｃｔｉｏｎＳｋｉ??６５００１?２８３８８９２７１３?ｈｕａｗｅｉ＿ｎ〇＇華為官方旗艦２３９９．００?７７７３?２９５０３在實體店看看以后才買的，有活動，便宜一點，還有禮品，?２０１８／５／１４?１９：２６網絡類型??６５００２?２８３８８９２７１３?ｈｕａｗｅｉ＿ｎ〇，華為官方旗艦２３９９．００?７７７３?２９５０３?第一次買華為感覺還不錯！?２０１８／５／３?１５：１６?網絡類型：‘??６５００３?２８３８８９２７１３?ｈＵａｗｅｉ＿ｎｏ，華為官方旗艦２３９９．００?７７７３?２９５０３特別好用，男朋友一直推薦的。?２０１８／５／１６?２１：０６網絡類型：，??６５００４?２８３８８９２７１３?ｈｕａｗｅｉ＿ｎｏ，華為官方旗艦￥?２３９９．００?７７７３?２９５０３用了兩

回率（Ｒｅｃａｌｌ，／？）和Ｆｉ值，計算??公式如下：??Ｐ＝?ｔＴＰ?（３．１４）??ｔ?ＴＰ?＋?貧?Ｆｐ??其中為識別正確個數(shù)，為識別錯誤的個數(shù)，精確度衡量了識別出的商品特征及??觀點的正確比例。??Ｒ?＝?＿ｈｐ＿?（３．１５）??ｔＴＰ?＋ｔＦＮ??其中，為真正的但沒有被系統(tǒng)正確識別出的個數(shù)，召回率衡量的是在所有真正特征??及觀點中被正確識別出的比例。??＝?２ＰＲ＿?（３．１６）??Ｐ?＋?Ｒ??ｇ為綜合精確度和召回率的調和平均值。??本文的分詞結果如圖３．５所示，對手機商品評論中商品特征及觀點的識別結果如圖??３．６所示。??ｒ￣］?Ｃｏｎｓｏｌｅ?１／Ａ?＾?戀＃??）?Ａ??Ｉｎ?［１］?：?ｒｕｎｆｉｌｅ（１?Ｃ?；?／Ｕｓｅ＾ｓ／ｙｎｖｉ／Ｏｅｓｋｔｏｐ／ｕｎｔｉｔｌｅｄＢ?？ｐｙ＇ｊ?ｗｄｉｒ＝１?Ｃ：?／ｙｉｉ＇ｌ／Ｃｅｓｋｔｃｐ?＇??－手機／ｎ很／ｃｆ不錯／ａ，／ｗｄ拍照／ｖｉ很／ｄ清晰／ａ，／ｗｄ玩／ｖ游戲／ｎ也／ｄ很／ｄ給力／ａ，?／ｗｄ客??月艮／ｎ態(tài)度／ｎ好／ａ，?／ｗｄ很／ｄ耐心／ａｄ解答／ｖ問題／ｎ。／ｗｊ??２手機／ｎ不錯／ａ，?／ｗｄ指紋／ｎ解鎖／ｖ也／ｄ很／ｄ快／ａ。／ｗ丨女兒／ｎ挺／ｄ喜歡／ｖＵ綱??３機子／ｎ非常／ｄ好／ａ，／ｗｄ包裝／ｎ特別／ｄ仔細／ａ，／ｗｄ賣家／ｎ發(fā)貨／ｖｉ快／ａ。收到／ｖ后／ｆ試??／ｖ?了／ｕｌｅ—下／ｍｑ，?／ｗｄ?比／ｐ?之前／ｆ?手機／ｎ?質感／ｎ?好／ａ。／ｗｆ??圖３．?５評論文本分詞結果??Ｆｉｇ．?３．５?Ｃｏｍｍｅｎｔ?ｔｅｘｔ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ??－２５?－??

【參考文獻】：
期刊論文
[1]融合詞性的雙注意力Bi-LSTM情感分析[J]. 趙富,楊洋,蔣瑞,張利君,任曉雷.  計算機應用. 2018(S2)
[2]基于CNN和BiLSTM網絡特征融合的文本情感分析[J]. 李洋,董紅斌.  計算機應用. 2018(11)
[3]基于雙向LSTM和GBDT的中醫(yī)文本關系抽取模型[J]. 羅計根,杜建強,聶斌,熊旺平,劉蕾,賀佳.  計算機應用研究. 2019(12)
[4]網絡評論方面級觀點挖掘方法研究綜述[J]. 韓忠明,李夢琪,劉雯,張夢玫,段大高,于重重.  軟件學報. 2018(02)
[5]在線用戶評論細粒度屬性抽取[J]. 周清清,章成志.  情報學報. 2017(05)
[6]面向汽車評論的細粒度情感分析方法研究[J]. 陳炳豐,郝志峰,蔡瑞初,溫雯,王麗娟,黃浩,蔡曉鳳.  廣東工業(yè)大學學報. 2017(03)
[7]細粒度情感分析的酒店評論研究[J]. 李鳴,吳波,宋陽,朱夢堯,徐志廣,張宏俊.  傳感器與微系統(tǒng). 2016(12)
[8]基于語義約束LDA的商品特征和情感詞提取[J]. 彭云,萬常選,江騰蛟,劉德喜,劉喜平,廖國瓊.  軟件學報. 2017(03)
[9]基于多特征融合的微博主題情感挖掘[J]. 黃發(fā)良,馮時,王大玲,于戈.  計算機學報. 2017(04)
[10]泰安市農產品電子商務發(fā)展的現(xiàn)狀和對策探究[J]. 孫光宇.  中國商論. 2016(26)

博士論文
[1]觀點挖掘中評價對象抽取方法的研究[D]. 劉倩.東南大學 2016

碩士論文
[1]基于隱式產品特征的網絡商品評論情感分析研究[D]. 陶婭芝.重慶郵電大學 2017
[2]網購用戶評論中隱式評價對象的提取方法研究[D]. 馬京苗.北京交通大學 2017



本文編號：3140060