隨著服裝行業(yè)與電子商務(wù)的緊密融合,服裝網(wǎng)購(gòu)已成為人們?nèi)粘Ｉ钪胁豢煞指畹囊徊糠?與此同時(shí)也產(chǎn)生了大量蘊(yùn)含消費(fèi)者反饋信息、極具情報(bào)研究?jī)r(jià)值的服裝網(wǎng)購(gòu)評(píng)論文本。然而這些評(píng)論數(shù)據(jù)體量龐大且信息繁雜,同時(shí)相比于其它商品,服裝網(wǎng)購(gòu)評(píng)論受消費(fèi)者個(gè)體差異影響較大,更易給出主觀且感性化的表達(dá),因此情報(bào)挖掘難度更大�；诖吮疚牧⒆阌诜b網(wǎng)購(gòu)評(píng)論文本,引入文本挖掘技術(shù)從商品屬性情感分析和社會(huì)語(yǔ)義網(wǎng)絡(luò)分析兩個(gè)角度構(gòu)建情報(bào)研究模型并進(jìn)行具體實(shí)證分析。本文將從以下五個(gè)章節(jié)進(jìn)行闡述:第一章緒論主要闡述本文研究背景與意義、國(guó)內(nèi)外情報(bào)研究現(xiàn)狀、文本挖掘技術(shù)及其應(yīng)用現(xiàn)狀分析、研究?jī)?nèi)容和框架以及研究難點(diǎn)和結(jié)構(gòu)安排。第二章服裝網(wǎng)購(gòu)評(píng)論數(shù)據(jù)及文本挖掘技術(shù)概述。從服裝網(wǎng)購(gòu)評(píng)論數(shù)據(jù)研究與采集、預(yù)處理再到中文分詞、文本表示模型以及特征選擇對(duì)相關(guān)理論進(jìn)行具體概述。第三章提出基于商品屬性情感分析的服裝網(wǎng)購(gòu)評(píng)論情報(bào)研究模型,研究通過(guò)網(wǎng)絡(luò)爬蟲(chóng)獲取評(píng)論數(shù)據(jù),經(jīng)預(yù)處理后進(jìn)行word2vec模型訓(xùn)練,選取屬性種子詞進(jìn)行語(yǔ)義相似度計(jì)算擴(kuò)充特征屬性詞典,然后制定規(guī)則利用依存句法抽取屬性觀點(diǎn)詞組并進(jìn)行情感強(qiáng)度值計(jì)算,最終以具體的分值表現(xiàn)出消費(fèi)者對(duì)商品... 

【文章來(lái)源】：浙江理工大學(xué)浙江省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?６?ＣＢＯＷ模型結(jié)構(gòu)圖

■ｍｕ??圖３．１面料相似詞計(jì)算??３．３屬性觀點(diǎn)詞組抽取??屬性觀點(diǎn)詞抽取一般有四種方法：詞頻共現(xiàn)法、機(jī)器學(xué)習(xí)法、主題模型法以及規(guī)則匹??配法。詞頻共現(xiàn)方法是在對(duì)評(píng)論語(yǔ)料進(jìn)行中文分詞詞性分析和詞頻統(tǒng)計(jì)工序后，設(shè)置適當(dāng)??的閾值大小對(duì)名詞及其相近的形容詞進(jìn)行篩選保留。機(jī)器學(xué)習(xí)算法抽取準(zhǔn)確率最好但其學(xué)??習(xí)訓(xùn)練過(guò)程需要花費(fèi)較多的精力去標(biāo)注語(yǔ)料，然后才能進(jìn)行迭代訓(xùn)練。主題模型則是通過(guò)??上下文于語(yǔ)義關(guān)系械率式生成相關(guān)度較高的主題。而規(guī)則匹配法一般會(huì)根據(jù)某種特性設(shè)置??相關(guān)關(guān)聯(lián)規(guī)則進(jìn)行匹配提取，目前在屬性觀點(diǎn)詞抽取方面較為常用的是利用依存句法對(duì)大??量評(píng)論進(jìn)行結(jié)構(gòu)分析并總結(jié)其主要句法路徑，并據(jù)此制定提取規(guī)則用于匹配提齲??經(jīng)過(guò)進(jìn)一步比較分析，詞頻共現(xiàn)方法在抽取效果上表現(xiàn)較差，不但會(huì)遺漏許多低頻有??效屬性，還會(huì)提取大量高頻無(wú)用屬性。機(jī)器學(xué)習(xí)算法原理較為復(fù)雜、難實(shí)現(xiàn)且需要有大量??的人工標(biāo)記費(fèi)時(shí)費(fèi)力。而主題模型提取個(gè)數(shù)難以確定且無(wú)監(jiān)督的文檔級(jí)概率式主題生成聚??類(lèi)結(jié)果不可保證。而基于依存句法規(guī)則提取在操作難度和準(zhǔn)確度方面均有一定的保障，其??在分析句法結(jié)構(gòu)基礎(chǔ)上制定規(guī)則模板進(jìn)行抽取，原理茼單易操作，抽取效果較之傳統(tǒng)提取??方法有了明顯改善但定義的模板一定程度上過(guò)于泛化，抽取后需要進(jìn)行過(guò)濾，因此本文在??分析句法結(jié)構(gòu)制定規(guī)則自動(dòng)化抽取屬性觀點(diǎn)詞對(duì)后，利用構(gòu)建的特征詞典和情感詞典進(jìn)行??匹配過(guò)濾，進(jìn)一步提高屬性觀點(diǎn)詞組抽取的精準(zhǔn)度。???表３．１屬性觀點(diǎn)詞組抽取方法比較分析???１取方法?優(yōu)缺點(diǎn)對(duì)比分析?＾??詞頻共現(xiàn)法?原理簡(jiǎn)單易操作但抽取準(zhǔn)確度較差，不但會(huì)遺漏低頻有效屬性觀點(diǎn)，還??￣２２￣??

＃上?ａｎ?２?和．?ｔｓ?內(nèi)？１?私多饞．?霉＃?參黌?８１?句太好?？??ｖ?ｎ?ｄ?ｖ?ｗｐ?ｆ?＊?ｖ?ｒ?？?ｍ?ｉ?？?ｔ?？？?？?（?４?ｉ?？ｅ??圖３．?２依存句法關(guān)系弧形表示圖??同時(shí)，在ＬＴＰ語(yǔ)言云平臺(tái)中，用戶(hù)使用超文本傳輸協(xié)議通過(guò)ｐｏｓｔ向服務(wù)器提交請(qǐng)求，??服務(wù)器則會(huì)提供ＸＭＬ格式數(shù)據(jù)至服務(wù)端口。具體地，ＸＭＬ格式數(shù)據(jù)表示如下：??ＯＩ．?：?＜？ｘ？ｌ?ｖｅｒｓｉｏｎｚｉ．０”?ｅｎｃｏｄｉｎ丨■”ｕｔｆ－Ｓ”?？＞??Ｃ２．?＜ｘｍｌ４ｎｌｐ＞??８３．?＜ｎｏｔｅ?ｓｅｎｔ？＂ｙ”?ｗｏｒｄ＊＊��？＊＊?ｐｏｓ？－ｙ＂?ｎｅ＿＿ｙ＂?ｐａｒｓｅｒｓｅｎｐ？ｒｓｅｒ？＊ｎ＊＊?ｌｓｔＥｉｓ？＊ｐ？ｒｓｅｒ？＿ｙ－?ｓｒｌ＾”ｙ－＊／＞??ＯＪ．?＜ｄｏｃ＞??３５．?＜ｐ？ｒａ?ｉｄ？Ｍ０＂＞??時(shí)－?＜ｓ？ｎｔ?ｉ＜Ｊ＝Ｔ?ｃ〇ｎｔ＝■＂芽上效果遷可以，Ｓ寬ｔ＊ｉ格不值羝么多錢(qián)，有點(diǎn)小責(zé)，質(zhì)重不是太好？－＞??０７．?＜ｗｃｒｄ?ｉｄ＊＂ｅ－?ｃｏｎｔ？＂＾ｉ＂?ｐｏｓ－＇Ｖ?ｎ？－＂ｕｒａｃｆｉｒｅ＜Ｊ＂?ｐａｒａｒ．ｔ？＊＊ｌ＂?ｒｅｌａｔｅ－＊＇ＡＴＴ＊?ｓｅ？ｐａｒｅｎｔ？＊－ｌ＂?ｓ？ｒ．ｒｉｌａｔｅ＊＂Ｒｏｏｔ＂＞??０５．?＜ｓ？ｊ？?ｉｄ－？＂ｕｆＫＪ？ｆｉｒ＞ｅ〇＂?ｐＢｒｅｎｔ－＾Ｓ－?ｒｅｌａｔｅ＊＂ｄＥｘｐ＂／＞??＆９．?ｉ?＜／ｗａｒｃ＞??１？．?＜？ｏｒｄ?ｉ＜Ｓ＊＂ｌ＂?ｃｏｒ？ｔ＊－５Ｊ［＾＊?ｐｏｓ－Ｍｎ＂?ｎｅ－＂ｕｎｄｅｆｉｎｓｄ＂?ｐａｒｅｎｔ＾＇Ｓ－?ｒｅｉａｔｅ－＂ＳＢＶ＂?ｓｃｔｔｐｚｒｔｎｔ＂＂Ｑ＂?ｓｅ

【參考文獻(xiàn)】：
期刊論文
[1]電商領(lǐng)域中有關(guān)物流評(píng)價(jià)中文分詞的研究[J]. 鐘靜晨,祁云嵩.  計(jì)算機(jī)與數(shù)字工程. 2019(11)
[2]基于風(fēng)險(xiǎn)生命周期的企業(yè)反競(jìng)爭(zhēng)情報(bào)機(jī)制模型構(gòu)建[J]. 楊波,孫白朋.  現(xiàn)代情報(bào). 2019(11)
[3]基于HMM的算法優(yōu)化在中文分詞中的應(yīng)用[J]. 朱咸軍,洪宇,黃雅琳,張馨予,肖芳雄.  金陵科技學(xué)院學(xué)報(bào). 2019(03)
[4]基于關(guān)鍵詞共現(xiàn)和社會(huì)網(wǎng)絡(luò)分析法的我國(guó)企業(yè)競(jìng)爭(zhēng)情報(bào)熱點(diǎn)主題研究[J]. 賈旭楠.  情報(bào)探索. 2019(08)
[5]基于改進(jìn)遺傳算法-神經(jīng)網(wǎng)絡(luò)的玄武巖構(gòu)造環(huán)境判別及對(duì)比實(shí)驗(yàn)[J]. 任秋兵,李明超,韓帥.  地學(xué)前緣. 2019(04)
[6]基于改進(jìn)的TF-IDF與隱樸素貝葉斯的情感分類(lèi)研究[J]. 李曉東,肖基毅,鄒銀鳳.  南華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[7]基于在線評(píng)論文本挖掘的商業(yè)競(jìng)爭(zhēng)情報(bào)分析模型構(gòu)建及應(yīng)用[J]. 張振華,許柏鳴.  情報(bào)科學(xué). 2019(02)
[8]社會(huì)網(wǎng)絡(luò)分析方法在情報(bào)分析中的應(yīng)用研究[J]. 陳云偉.  情報(bào)學(xué)報(bào). 2019(01)
[9]基于共詞分析的我國(guó)服裝學(xué)科研究熱點(diǎn)可視化分析[J]. 任佩萱.  金融經(jīng)濟(jì). 2018(22)
[10]反恐情報(bào)信息工作能力的體系框架研究[J]. 安璐,吳燕珠,李綱.  圖書(shū)館學(xué)研究. 2018(17)

博士論文
[1]基于在線評(píng)論的網(wǎng)絡(luò)口碑生成機(jī)理及監(jiān)測(cè)預(yù)警研究[D]. 彭麗徽.吉林大學(xué) 2019
[2]面向醫(yī)藥企業(yè)的專(zhuān)利威脅預(yù)警模型構(gòu)建及實(shí)證研究[D]. 張世玉.吉林大學(xué) 2018

碩士論文
[1]基于機(jī)器學(xué)習(xí)的惡意網(wǎng)址識(shí)別方法的研究與發(fā)現(xiàn)[D]. 張慧.北京建筑大學(xué) 2019
[2]系統(tǒng)論視野下的美國(guó)戰(zhàn)爭(zhēng)決策過(guò)程分析[D]. 申楊.延邊大學(xué) 2018
[3]電商空調(diào)產(chǎn)品的評(píng)論數(shù)據(jù)情感分析[D]. 楊瑞欣.山西大學(xué) 2017
[4]基于詞典與統(tǒng)計(jì)結(jié)合的中文分詞方法研究及全文檢索系統(tǒng)設(shè)計(jì)[D]. 周世宇.華中師范大學(xué) 2017
[5]基于文本數(shù)據(jù)挖掘技術(shù)的用戶(hù)需求分析研究[D]. 李玉博.哈爾濱工程大學(xué) 2017
[6]基于用戶(hù)評(píng)價(jià)的企業(yè)競(jìng)爭(zhēng)情報(bào)社會(huì)網(wǎng)絡(luò)分析[D]. 徐萌.山東科技大學(xué) 2017
[7]中文分詞算法的研究與實(shí)現(xiàn)[D]. 秦贊.吉林大學(xué) 2016
[8]正面在線評(píng)論對(duì)服裝消費(fèi)者購(gòu)買(mǎi)意愿影響的實(shí)證研究[D]. 韓立娜.東北大學(xué) 2013



本文編號(hào)：3265159