隨著互聯(lián)網(wǎng)的快速發(fā)展,在線購物已逐漸成為人們日常生活中最常見的購物手段之一。在線購物方便快捷、商品種類豐富,但是消費者卻無法直觀地看到商品的真實屬性。為了能夠更多地了解商品的真實情況,消費者在購買商品之前,通過查看商品的在線評價信息,便可以方便地獲取指導性的傾向選擇,作為購買決策的參考。然而,在線評價功能在給消費者帶來便利的同時,個別評論數(shù)據(jù)的質量和準確性也會對未來的潛在消費者帶來誤判甚至誤導,例如,因消費者主觀差異性、商品信息不完善、商家的過度包裝等導致的非客觀評價。因此,獲取商品全面的、綜合的評價信息,將對消費者有效鑒別商品質量具有十分重要的意義。但是海量商品評價信息和消費者的人工瀏覽分析能力之間存在著不可調和的矛盾,當評價數(shù)據(jù)達到一定數(shù)量級時,消費者已經(jīng)很難人工地對數(shù)據(jù)進行全面的獲取和分析。因此,開發(fā)一個能夠自動進行數(shù)據(jù)采集、數(shù)據(jù)分析、情感分析,給用戶提供實用性強、具有高參考價值數(shù)據(jù)的系統(tǒng),具有很高的實用意義和商業(yè)價值。本文中基于深度學習的商品評價數(shù)據(jù)分析系統(tǒng),具備數(shù)據(jù)采集、數(shù)據(jù)清洗、特征值提取、詞向量建模、深度學習模型訓練實現(xiàn)數(shù)據(jù)情感分析等功能。通過本系統(tǒng),用戶僅需要選擇指定的...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究及應用現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 本文章節(jié)安排
第2章 系統(tǒng)關鍵技術介紹
    2.1 爬蟲技術介紹
    2.2 分詞工具介紹
    2.3 深度學習介紹
        2.3.1 N-gram模型
        2.3.2 RNN循環(huán)神經(jīng)網(wǎng)絡
        2.3.3 sigmoid信念網(wǎng)絡
第3章 定制化爬蟲工具實現(xiàn)數(shù)據(jù)采集
    3.1 定制化爬蟲工具的總體設計
        3.1.1 解析流程設計
        3.1.2 總體設計
    3.2 基于Beautiful Soup定制化爬蟲工具實現(xiàn)數(shù)據(jù)采集
        3.2.1 參數(shù)化輸入實現(xiàn)多平臺兼容
        3.2.2 數(shù)據(jù)抓取及遍歷算法的應用
        3.2.3 結構化輸出及數(shù)據(jù)有效性
    3.3 結合selenium實現(xiàn)動態(tài)加載數(shù)據(jù)的采集
    3.4 數(shù)據(jù)清洗和數(shù)據(jù)存儲
        3.4.1 清洗冗余數(shù)據(jù)
        3.4.2 數(shù)據(jù)序列化和反序列化
    3.5 本章小結
第4章 基于深度學習商品評價的建模與實現(xiàn)
    4.1 數(shù)據(jù)采集結果的特征詞提取
    4.2 語料庫的建立
    4.3 基于Word2Vec的詞向量建模
        4.3.1 CBOW和Skip-Gram模型的研究
        4.3.2 詞向量建模
    4.4 LSTM算法的研究與應用
        4.4.1 LSTM算法的研究
        4.4.2 LSTM情感分析建模
    4.5 本章小結
第5章 數(shù)據(jù)可視化和系統(tǒng)實現(xiàn)
    5.1 系統(tǒng)介紹
        5.1.1 功能介紹
        5.1.2 系統(tǒng)時序圖
        5.1.3 數(shù)據(jù)庫設計
    5.2 系統(tǒng)環(huán)境搭建
        5.2.1 硬件環(huán)境
        5.2.2 軟件環(huán)境
    5.3 系統(tǒng)展示
        5.3.1 登陸
        5.3.2 數(shù)據(jù)采集和分析
        5.3.3 數(shù)據(jù)分析結果的應用
    5.4 本章小節(jié)
第6章 總結與展望
參考文獻
致謝



本文編號：3828386