近年來,隨著電子商務(wù)的迅猛發(fā)展,網(wǎng)購評論作為傳統(tǒng)口碑的數(shù)字化版本己經(jīng)成為網(wǎng)絡(luò)消費(fèi)評價的最主要信息來源之一。一方面,大量理論研究及實(shí)踐應(yīng)用表明,消費(fèi)者對線上商品所表達(dá)的情感傾向不僅對其他消費(fèi)者的潛在購買決策有重要指導(dǎo)作用,而且對于生產(chǎn)商和商家改進(jìn)商品品質(zhì)、持續(xù)優(yōu)化經(jīng)營策略具有重要影響;另一方面,由于不同消費(fèi)者和商家對于不同商品特征的關(guān)注度往往不同,因此傳統(tǒng)基于網(wǎng)購評論整體情感傾向性的分析結(jié)果,已經(jīng)無法滿足用戶日益多樣化的現(xiàn)實(shí)需求�；谏鲜霰尘�,本文在深入學(xué)習(xí)國內(nèi)外情感分析理論及其主要研究成果基礎(chǔ)之上,以某電商平臺關(guān)于手機(jī)的交易數(shù)據(jù)作為研究用實(shí)驗(yàn)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(wǎng)購評論信息情感傾向性分析的在線商品銷售量預(yù)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(jìn)行獨(dú)立建模,分別使用BiLSTM網(wǎng)絡(luò)學(xué)習(xí)評論信息的長期依賴關(guān)系,然后將詞語與詞性的特征進(jìn)行融合,并將融合后的語義特征接入全連接網(wǎng)絡(luò),最后將全連接網(wǎng)絡(luò)輸出的結(jié)果作為CRF網(wǎng)絡(luò)的輸入,經(jīng)過CRF層的訓(xùn)練得出帶... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：72 頁

【學(xué)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(guān)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(nèi)容、??評論時間、商品評分、店鋪服務(wù)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(jī)上市天數(shù)。月銷量是指當(dāng)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(dāng)前周期（３０天）內(nèi)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(nèi)容作為實(shí)驗(yàn)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(shí)體店看看以后才買的，有活動，便宜一點(diǎn)，還有禮品，?２０１８／５／１４?１９：２６網(wǎng)絡(luò)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(wǎng)絡(luò)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(wǎng)絡(luò)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(diǎn)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(diǎn)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(diào)和平均值。??本文的分詞結(jié)果如圖３．５所示，對手機(jī)商品評論中商品特征及觀點(diǎn)的識別結(jié)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(jī)／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(jī)／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(jī)子／ｎ非常／ｄ好／ａ，／ｗｄ包裝／ｎ特別／ｄ仔細(xì)／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(jī)／ｎ?質(zhì)感／ｎ?好／ａ。／ｗｆ??圖３．?５評論文本分詞結(jié)果??Ｆｉｇ．?３．５?Ｃｏｍｍｅｎｔ?ｔｅｘｔ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ??－２５?－??

【參考文獻(xiàn)】：
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(jī)應(yīng)用. 2018(S2)
[2]基于CNN和BiLSTM網(wǎng)絡(luò)特征融合的文本情感分析[J]. 李洋,董紅斌.  計算機(jī)應(yīng)用. 2018(11)
[3]基于雙向LSTM和GBDT的中醫(yī)文本關(guān)系抽取模型[J]. 羅計根,杜建強(qiáng),聶斌,熊旺平,劉蕾,賀佳.  計算機(jī)應(yīng)用研究. 2019(12)
[4]網(wǎng)絡(luò)評論方面級觀點(diǎn)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(xué)報. 2018(02)
[5]在線用戶評論細(xì)粒度屬性抽取[J]. 周清清,章成志.  情報學(xué)報. 2017(05)
[6]面向汽車評論的細(xì)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(xué)學(xué)報. 2017(03)
[7]細(xì)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(xué)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(jī)學(xué)報. 2017(04)
[10]泰安市農(nóng)產(chǎn)品電子商務(wù)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(diǎn)挖掘中評價對象抽取方法的研究[D]. 劉倩.東南大學(xué) 2016

碩士論文
[1]基于隱式產(chǎn)品特征的網(wǎng)絡(luò)商品評論情感分析研究[D]. 陶婭芝.重慶郵電大學(xué) 2017
[2]網(wǎng)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(xué) 2017



本文編號：3140060