發(fā)布時(shí)間：2021-11-24 15:28

　　隨著信息技術(shù)的發(fā)展,網(wǎng)購(gòu)平臺(tái)中涌現(xiàn)出海量的在線評(píng)論,其中蘊(yùn)含著豐富的產(chǎn)品信息,消費(fèi)者如何在海量的文本中快速查閱到自身感興趣的信息成為一個(gè)棘手的問(wèn)題。基于文本的聚類(lèi)方法是緩解該問(wèn)題的重要途徑,具有廣闊的應(yīng)用前景。電子商務(wù)環(huán)境下的在線評(píng)論具有質(zhì)量參差不齊、短文本特征稀疏、描述信息能力較弱等特點(diǎn),這造成文本的主題模糊和內(nèi)容混亂,制約了在線評(píng)論的應(yīng)用發(fā)展。而文本聚類(lèi)可以揭示文本內(nèi)容的一致性,從而發(fā)現(xiàn)同一類(lèi)別中所包含的共同信息,有助于在線評(píng)論的重新組織和二次應(yīng)用。為此,本文的重點(diǎn)研究?jī)?nèi)容為在線評(píng)論的聚類(lèi)分析和評(píng)論的推薦方法,旨在找出在線評(píng)論短文本中最合適的聚類(lèi)模型,同時(shí)通過(guò)選取重要評(píng)論和富有情感傾向的評(píng)論輔助消費(fèi)者更有效的獲取信息。本文的主要研究?jī)?nèi)容如下:1.針對(duì)傳統(tǒng)向量空間模型忽略深層次語(yǔ)義信息的問(wèn)題,提出使用LDA（Latent Dirichlet Allocation）主題模型進(jìn)行在線評(píng)論的向量化表示,并探究在.LDA模型下最合適的短文本聚類(lèi)方法。實(shí)驗(yàn)結(jié)果表明,通過(guò)LDA模型能準(zhǔn)確的捕獲評(píng)論中主題信息,使得聚類(lèi)結(jié)果更加合理。并且在各個(gè)聚類(lèi)算法中,基于圖分割的譜聚類(lèi)算法綜合表現(xiàn)最好。2.為提... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 主要研究?jī)?nèi)容與論文組織結(jié)構(gòu)
        1.2.1 主要研究?jī)?nèi)容
        1.2.2 論文組織結(jié)構(gòu)
    1.3 本章小結(jié)
2 相關(guān)文獻(xiàn)綜述
    2.1 電商環(huán)境下在線評(píng)論的相關(guān)研究綜述
        2.1.1 在線評(píng)論的有用性分析
        2.1.2 基于標(biāo)簽化的評(píng)論推薦
        2.1.3 在線評(píng)論的情感值計(jì)算方法
        2.1.4 在線評(píng)論中主題模型的應(yīng)用
        2.1.5 在線評(píng)論中聚類(lèi)方法的應(yīng)用價(jià)值
    2.2 本章小結(jié)
3 基于LDA主題模型的在線評(píng)論聚類(lèi)模型
    3.1 文本表示模型
        3.1.1 向量空間模型
        3.1.2 主題模型
    3.2 LDA主題模型相關(guān)工作
        3.2.1 文本建模
        3.2.2 LDA吉布斯采樣(Gibbs Sampling)
    3.3 經(jīng)典的聚類(lèi)算法
        3.3.1 K-means算法
        3.3.2 DBSCAN算法
        3.3.3 譜聚類(lèi)算法
        3.3.4 經(jīng)典聚類(lèi)算法的分析與比較
    3.4 基于LDA算法的聚類(lèi)模型構(gòu)建
    3.5 實(shí)驗(yàn)與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)結(jié)果分析
            3.5.3.1 不同數(shù)據(jù)集上LDA算法的對(duì)比分析
            3.5.3.2 不停數(shù)據(jù)集上K-means、DBCSAN及譜聚類(lèi)方法的效果比較
    3.6 本章小結(jié)
4 在線評(píng)論復(fù)雜網(wǎng)絡(luò)的構(gòu)建及評(píng)論推薦
    4.1 在線評(píng)論無(wú)向網(wǎng)絡(luò)模型構(gòu)建
    4.2 在線評(píng)論節(jié)點(diǎn)重要度計(jì)算
        4.2.1 基于度中心性的節(jié)點(diǎn)重要性計(jì)算
        4.2.2 社區(qū)劃分下的節(jié)點(diǎn)重要度計(jì)算
    4.3 實(shí)驗(yàn)與分析
        4.3.1 復(fù)雜網(wǎng)絡(luò)統(tǒng)計(jì)性質(zhì)分析
        4.3.2 評(píng)論推薦結(jié)果分析
    4.4 本章小結(jié)
5 在線評(píng)論情感傾向性計(jì)算及評(píng)論推薦
    5.1 文本情感計(jì)算方法簡(jiǎn)介
        5.1.1 基于情感詞典的情感計(jì)算方法
        5.1.2 無(wú)監(jiān)督情感計(jì)算方法
        5.1.3 基于有監(jiān)督的文本情感計(jì)算方法
    5.2 基于多特征融合與集成學(xué)習(xí)的文本情感計(jì)算
        5.2.1 文本特征選擇
        5.2.2 集成學(xué)習(xí)
    5.3 實(shí)驗(yàn)與分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        5.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于DBSCAN算法的文本聚類(lèi)研究[J]. 鄒艷春.  軟件導(dǎo)刊. 2016(08)
[2]基于語(yǔ)義分析的評(píng)價(jià)對(duì)象-情感詞對(duì)抽取[J]. 江騰蛟,萬(wàn)常選,劉德喜,劉喜平,廖國(guó)瓊.  計(jì)算機(jī)學(xué)報(bào). 2017(03)
[3]在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響——心理距離的中介作用[J]. 周梅華,李佩镅,牟宇鵬.  軟科學(xué). 2015(01)
[4]基于句法特征的評(píng)價(jià)對(duì)象抽取方法研究[J]. 戴敏,王榮洋,李壽山,朱珠,周?chē)?guó)棟.  中文信息學(xué)報(bào). 2014(04)
[5]在線負(fù)面評(píng)論對(duì)網(wǎng)絡(luò)消費(fèi)者購(gòu)買(mǎi)意愿的影響[J]. 寧連舉,孫韓.  技術(shù)經(jīng)濟(jì). 2014(03)
[6]基于LDA的網(wǎng)絡(luò)評(píng)論主題發(fā)現(xiàn)研究[J]. 阮光冊(cè).  情報(bào)雜志. 2014(03)
[7]文本聚類(lèi)算法綜述[J]. 史夢(mèng)潔.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2014(03)
[8]文本譜聚類(lèi)算法研究[J]. 施曉篩,徐森,曹瑞.  電子設(shè)計(jì)工程. 2012(22)
[9]在線商品評(píng)論的效用分析研究[J]. 楊銘,祁巍,閆相斌,李一軍.  管理科學(xué)學(xué)報(bào). 2012(05)
[10]基于淺層句法特征的評(píng)價(jià)對(duì)象抽取研究[J]. 徐冰,趙鐵軍,王山雨,鄭德權(quán).  自動(dòng)化學(xué)報(bào). 2011(10)

博士論文
[1]基于產(chǎn)品評(píng)論的情感分析研究[D]. 李方濤.清華大學(xué) 2011

碩士論文
[1]基于主題模型的用戶(hù)興趣建模及在新聞推薦中的應(yīng)用[D]. 陳銘權(quán).華南理工大學(xué) 2015
[2]電子商務(wù)網(wǎng)站在線評(píng)論有用性研究[D]. 汪俊奎.西安電子科技大學(xué) 2014



本文編號(hào)：3516254