發(fā)布時間：2021-07-28 12:10

　　電子商務與傳統(tǒng)商品交易相比提供了在線評論功能,這在電商平臺競爭激烈的背景下,對于消費者的選擇產(chǎn)生至關(guān)重要的影響。如何在海量的評論中準確挖掘消費者情感,并據(jù)此改進產(chǎn)品質(zhì)量、銷售策略、客戶服務具有重要的商業(yè)價值和研究意義。本文采用深度學習的方法針對電商評論數(shù)據(jù)反映的情感傾向展開研究。結(jié)合長短期記憶神經(jīng)網(wǎng)絡LSTM、注意力機制、BERT和卷積神經(jīng)網(wǎng)絡CNN等算法,提高情感分析的準確度。本文的主要工作如下:（1）針對傳統(tǒng)神經(jīng)網(wǎng)絡Long Short-Term Memory（LSTM）在粗粒度情感分析中理解語義不全面,情感信息的捕捉不準確的問題,提出了一種融合注意力機制（Attention）與雙向LSTM網(wǎng)絡相結(jié)合的BiLSTM-Attention網(wǎng)絡模型,利用長短期記憶神經(jīng)網(wǎng)絡對于時序序列結(jié)構(gòu)的分析,充分挖掘句子中的潛在信息,有效克服長期遺忘的問題。BiLSTM模型通過對語言文本的雙向分析,對比普通的LSTM模型能夠更好的捕獲句子前后的信息。注意力機制的使用能夠?qū)渥又胁煌卣鞣峙錂?quán)重,對于句子中傾向于用戶情感的特征信息進行關(guān)注,有效改善識別效率。實驗結(jié)果表明,在京東爬取的小米手機評論數(shù)據(jù)集中... 

【文章來源】：河北經(jīng)貿(mào)大學河北省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

CBOW模型結(jié)構(gòu)圖

Skip-gram模型結(jié)構(gòu)圖

CBOW模型訓練圖

【參考文獻】：
期刊論文
[1]基于特征選擇的M-SVM中文文本分類[J]. 劉永芬,程麗,陳志安.  軟件. 2019(09)
[2]基于PCA-SVM算法的酒店評論文本情感分析研究[J]. 王大偉,周志瑋,曹紅根.  現(xiàn)代計算機. 2019(21)
[3]基于評論數(shù)據(jù)的酒店服務質(zhì)量的細粒度分析[J]. 孫長偉,任宗來,楊俊杰,龐坤亮.  計算機應用與軟件. 2019(07)
[4]基于LS-SO算法的情感文本分類方法[J]. 姚艷秋,鄭雅雯,呂妍欣.  吉林大學學報(理學版). 2019(02)
[5]基于句法路徑的中文評論細粒度情感分析[J]. 胡征,陳爾希,曾獻輝,蔡一.  信息技術(shù). 2018(09)
[6]基于極性轉(zhuǎn)移和雙向LSTM的文本情感分析[J]. 陳葛恒.  信息技術(shù). 2018(02)
[7]基于詞向量技術(shù)和混合神經(jīng)網(wǎng)絡的情感分析[J]. 胡朝舉,趙曉偉.  計算機應用研究. 2018(12)
[8]基于主動學習的SVM維吾爾語情感分析研究[J]. 李響,吐爾根·依布拉音,卡哈爾江·阿比的熱西提,買合木提·買買提.  新疆大學學報(自然科學版). 2015(04)
[9]基于情感分析技術(shù)的股票研究報告分類[J]. 彭敏,汪清,黃濟民,周李,胡鑫匯.  武漢大學學報(理學版). 2015(02)
[10]基于情感字典與連詞結(jié)合的中文文本情感分類[J]. 劉玉嬌,琚生根,伍少梅,蘇翀.  四川大學學報(自然科學版). 2015(01)

碩士論文
[1]面向自然語言處理的注意力機制研究[D]. 李嵐欣.北京郵電大學 2019
[2]基于微博的藥物評論細粒度情感分析[D]. 敦欣卉.吉林大學 2018
[3]金融微博細粒度情感分析研究與應用[D]. 吳雁.華南理工大學 2018
[4]基于LSTM的語義關(guān)系分類研究[D]. 胡新辰.哈爾濱工業(yè)大學 2015
[5]基于深度學習的短文本情感傾向性研究[D]. 李然.北京理工大學 2015



本文編號：3307893