隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,電子商務(wù)已經(jīng)完全融入到人們的日常生活中,消費(fèi)者在無(wú)法直接了解產(chǎn)品時(shí),評(píng)論就發(fā)揮了關(guān)鍵的作用。產(chǎn)品評(píng)論中隱藏著大量有價(jià)值的信息,挖掘這些評(píng)論的情感傾向既可以讓消費(fèi)者間接的了解到產(chǎn)品質(zhì)量的好壞,也可以讓商家通過(guò)消費(fèi)者的反饋來(lái)及時(shí)調(diào)整策略。但在以往的電商評(píng)論情感分析研究中,存在著一些缺點(diǎn)。首先,在利用傳統(tǒng)矩陣填充算法將電商評(píng)論轉(zhuǎn)化為固定大小的文本向量矩陣時(shí),文本向量矩陣所占存儲(chǔ)空間較大,模型運(yùn)行時(shí)間過(guò)長(zhǎng);其次,模型的魯棒性較差,模型往往只在某種特定電商評(píng)論上有好的效果,而在其它電商評(píng)論中效果卻很不理想;最后,在以往的傳統(tǒng)機(jī)器學(xué)習(xí)模型和深度學(xué)習(xí)網(wǎng)絡(luò)模型中,電商評(píng)論情感極性分析的準(zhǔn)確率、精確率、召回率以及F1-Measure值并不理想。針對(duì)以上的缺點(diǎn),本文主要研究工作如下:首先,本文在詞向量訓(xùn)練語(yǔ)料庫(kù)上做了改進(jìn),將維基百科中文語(yǔ)料庫(kù)和商品評(píng)論語(yǔ)料庫(kù)進(jìn)行結(jié)合作為詞向量訓(xùn)練的混合語(yǔ)料庫(kù)去生成詞向量庫(kù),相較于僅僅使用維基百科中文語(yǔ)料庫(kù),實(shí)驗(yàn)結(jié)果表明,混合語(yǔ)料庫(kù)下五種電商評(píng)論情感分類(lèi)的魯棒性和準(zhǔn)確率都有明顯的提升。其次,為了解決文本向量矩陣所占存儲(chǔ)空間過(guò)大,深度神經(jīng)網(wǎng)絡(luò)模型運(yùn)行...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1網(wǎng)民人數(shù)與互聯(lián)網(wǎng)普及率

上海師范大學(xué)碩士學(xué)位論文第1章緒論1第1章緒論1.1研究背景及意義1.1.1研究背景隨著5G時(shí)代的即將來(lái)臨，互聯(lián)網(wǎng)已經(jīng)融入到人們生活方方面面中了，上網(wǎng)人數(shù)也是逐年上升。根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)2019年，8月30日發(fā)布的第44次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》統(tǒng)計(jì)[....

圖1-22019年國(guó)內(nèi)電商平臺(tái)占用率

第1章緒論上海師范大學(xué)碩士學(xué)位論文2般、較差、差五種情感傾向[2]。用戶可以在各大電商平臺(tái)上發(fā)表自己的評(píng)論，而這些評(píng)論數(shù)據(jù)的格式不一，且各條文本評(píng)論的大小也不一樣，短的只有幾B大小，長(zhǎng)的有十幾KB。國(guó)外著名的電商Amazon等已經(jīng)在很成熟地使用商品評(píng)價(jià)系統(tǒng)。國(guó)內(nèi)著名的天貓和京東等....

圖1-3全網(wǎng)銷(xiāo)售額總量與增速本文目的是利用深度神經(jīng)網(wǎng)絡(luò)模型提升電商評(píng)論情感分析中的性能，解決目前電商評(píng)論情感極性分析中的準(zhǔn)確率和魯棒性問(wèn)題

上海師范大學(xué)碩士學(xué)位論文第1章緒論3各大電商為了提高產(chǎn)品質(zhì)量，都提供了商品評(píng)價(jià)功能，以及時(shí)獲取消費(fèi)者對(duì)產(chǎn)品的評(píng)價(jià)。電商所帶來(lái)的價(jià)值是十分巨大的，2019年的全網(wǎng)銷(xiāo)售額為4101億元，較2018年的3143億元，增加了30.47%。圖1-3所示為2015年來(lái)每年的全網(wǎng)銷(xiāo)售額情況，從....

圖1-4情感分析研究方法的發(fā)展趨勢(shì)

第1章緒論上海師范大學(xué)碩士學(xué)位論文4圖1-4情感分析研究方法的發(fā)展趨勢(shì)1.2.1情感詞典構(gòu)建研究現(xiàn)狀在基于情感詞典的方法中[7]，通常將文本當(dāng)作詞語(yǔ)的集合，在這個(gè)集合中并不考慮原始文本中上下文詞語(yǔ)的關(guān)系�；谇楦性~典的方法主要通過(guò)制定一系列語(yǔ)法和句法的規(guī)則和人工標(biāo)注情感詞典，對(duì)文....

本文編號(hào)：3998206