電子商務(wù)的迅速發(fā)展,導(dǎo)致了冷鏈農(nóng)產(chǎn)品電商平臺(tái)的迅速崛起,但發(fā)展過程中也存在著不少的問題,如何去發(fā)現(xiàn)并改進(jìn)這些問題,提升消費(fèi)者的購買意愿是首要任務(wù)。本文以消費(fèi)者評論為切入點(diǎn),對其進(jìn)行情感分析,分析結(jié)果不僅可以影響其他用戶的購買決策,還對企業(yè)日后的發(fā)展指明了方向。本文以淮南“菜籃子工程”冷鏈農(nóng)產(chǎn)品電商平臺(tái)為例,通過爬蟲提取出消費(fèi)者評論,采取三種情感分析的方法。具體的研究工作包括以下三個(gè)內(nèi)容:第一,基于Bi-LSTM對冷鏈農(nóng)產(chǎn)品電商平臺(tái)消費(fèi)者評論進(jìn)行情感分類。為了幫助企業(yè)和消費(fèi)者把握商品整體的好壞程度,從文本語句的角度提出此類方法。首先,對消費(fèi)者評論進(jìn)行預(yù)處理,并基于word2vec訓(xùn)練詞向量,根據(jù)Bi-LSTM分析評論文本的上下文之間的關(guān)系,并引入注意力機(jī)制對模型進(jìn)一步的優(yōu)化,最終運(yùn)用情感分類器對評論集進(jìn)行情感分類。從結(jié)果看出消費(fèi)者對淮南“菜籃子工程”電商平臺(tái)的整體評價(jià),從而反映消費(fèi)者對整個(gè)冷鏈農(nóng)產(chǎn)品電商平臺(tái)的滿意度。第二,基于LDA主題模型對冷鏈農(nóng)產(chǎn)品電商平臺(tái)的在線評論進(jìn)行情感分析。該方法從潛在主題的角度出發(fā),研究消費(fèi)者的關(guān)注點(diǎn)并提取出對企業(yè)和消費(fèi)者最有用的信息。首先根據(jù)第二章的消費(fèi)者評... 

【文章來源】：安徽理工大學(xué)安徽省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１研究框架??Ｆｉｇｕｒｅ?１?ｒｅｓｅａｒｃｈ?ｆｒａｍｅｗｏｒｋ??

?２基于Ｂｉ－ＬＳＴＭ的冷鏈農(nóng)產(chǎn)品電商評論文本分類???２基于Ｂｉ－ＬＳＴＭ的冷鏈農(nóng)產(chǎn)品電商評論的情感分類??基于注意力機(jī)制的Ｂｉ－ＬＳＴＭ循環(huán)神經(jīng)網(wǎng)絡(luò)對在線評論情感分析主要分為??以下步驟：文本預(yù)處理（分詞、停用詞過濾、詞性標(biāo)注）、基于ｗｏｒｄ２ＶｅＣ訓(xùn)練??詞向量、根據(jù)Ｂｉ－ＬＳＴＭ分析評論文本的上下文之間的關(guān)系、引入注意力機(jī)制對??模型進(jìn)一步的優(yōu)化、運(yùn)用情感分類器對評論集進(jìn)行情感分類。主要步驟流程圖如??下：??Ｂｉ－ＬＳＴＭ?獲取??

?２基于Ｂｉ－ＬＳＴＭ的冷鏈農(nóng)產(chǎn)品電商評論文本分類???于ＣＢＯＷ模型來說，可通過計(jì)算目標(biāo)詞范圍之內(nèi)的若個(gè)詞語的詞向量的和，得??到目標(biāo)詞的詞向量；對于ｓｋｉｐ－ｇｒａｍ模型，首先輸入目標(biāo)詞，最后得到目標(biāo)詞范??圍內(nèi)的若個(gè)詞語的詞向量。??本文運(yùn)用的是ｗｏｒｄ２ｖｅｃ工具，是由Ｇｏｏｇｌｅ再２０１３年開發(fā)的開源工具，用??其進(jìn)行詞向量的訓(xùn)練。ｗｏｒｄ２ＶｅＣ的運(yùn)行流程如下：??（１）分詞。就中文而言，分詞不像英文那樣已經(jīng)通過空格將其隔開，它需??要通過ｎｐｌ將每一個(gè)句子拆分成一個(gè)個(gè)單詞組，而這一步驟，文本預(yù)處理已經(jīng)實(shí)??現(xiàn)了，分詞的效果也直接影響到詞向量的訓(xùn)練結(jié)果。??（２）構(gòu)造詞典，統(tǒng)計(jì)詞頻。在這里需要構(gòu)建一個(gè)自定義詞典，以保證分詞??的準(zhǔn)確性并且需要對所有的詞語進(jìn)行詞頻的統(tǒng)計(jì)。??（３）構(gòu)造樹形結(jié)構(gòu)。即按每個(gè)詞的詞頻構(gòu)造出哈夫曼樹。值得注意的是，??在構(gòu)造Ｈｕｆｆｍａｎ樹的過程中，所有分類都應(yīng)處于葉節(jié)點(diǎn)中，如圖：??

【參考文獻(xiàn)】：
期刊論文
[1]基于word2vec和雙向LSTM的情感分類深度模型[J]. 黃賢英,劉廣峰,劉小洋,陽安志.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[2]基于買家評論文本分析的C2C電子商務(wù)推薦信任研究[J]. 王興芬,杜惠英.  中國流通經(jīng)濟(jì). 2018(11)
[3]基于word2vec的酒店評論情感分類研究[J]. 謝宗彥,黎巎,周純潔.  北京聯(lián)合大學(xué)學(xué)報(bào). 2018(04)
[4]基于LSTM-Attention的中文新聞文本分類[J]. 藍(lán)雯飛,徐蔚,汪敦志,潘鵬程.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[5]基于神經(jīng)網(wǎng)絡(luò)的電商生鮮農(nóng)產(chǎn)品購買頻率評價(jià)研究[J]. 孫亞娟.  商業(yè)經(jīng)濟(jì)研究. 2018(05)
[6]區(qū)域性農(nóng)產(chǎn)品電商平臺(tái)使用意向影響因素實(shí)證研究[J]. 高愷,盛宇華.  中國流通經(jīng)濟(jì). 2018(01)
[7]商品屬性的情感表達(dá)與商品銷售熱度的相關(guān)性研究[J]. 阮光冊,周健超.  圖書情報(bào)工作. 2017(22)
[8]B2C電商自營物流定制營銷的京東經(jīng)驗(yàn)及其啟示[J]. 牛雪梅.  物流技術(shù). 2017(03)
[9]基于多層關(guān)系圖模型的中文評價(jià)對象與評價(jià)詞抽取方法[J]. 廖祥文,陳興俊,魏晶晶,陳國龍,程學(xué)旗.  自動(dòng)化學(xué)報(bào). 2017(03)
[10]基于短語句法結(jié)構(gòu)和依存句法分析的情感評價(jià)單元抽取[J]. 王娟,曹樹金,謝建國.  情報(bào)理論與實(shí)踐. 2017(03)

博士論文
[1]結(jié)合知識(shí)和神經(jīng)網(wǎng)絡(luò)的文本表示方法的研究[D]. 李一鳴.浙江大學(xué) 2018
[2]社會(huì)化標(biāo)注環(huán)境下的標(biāo)簽聚類方法研究[D]. 李慧宗.合肥工業(yè)大學(xué) 2016
[3]我國農(nóng)產(chǎn)品冷鏈物流的發(fā)展問題研究[D]. 方凱.華中農(nóng)業(yè)大學(xué) 2013

碩士論文
[1]生鮮農(nóng)產(chǎn)品物流終端配送模式對比研究[D]. 白羽.河北工程大學(xué) 2018
[2]大數(shù)據(jù)視域下山東省農(nóng)產(chǎn)品電商發(fā)展問題研究[D]. 孫承.煙臺(tái)大學(xué) 2018
[3]基于主題特征和深度學(xué)習(xí)的情感分析算法研究[D]. 鄭灶旭.華南理工大學(xué) 2018
[4]基于Attention Bi-LSTM的文本分類方法研究[D]. 王恰.華南理工大學(xué) 2018
[5]面向酒店評論的中文短文本情感分析研究[D]. 楊智聰.杭州電子科技大學(xué) 2018
[6]生鮮農(nóng)產(chǎn)品終端配送優(yōu)化模型與算法研究[D]. 孫簫宇.大連理工大學(xué) 2017
[7]探討我國生鮮農(nóng)產(chǎn)品電商發(fā)展瓶頸及出路[D]. 張哲.華中師范大學(xué) 2017
[8]在線評論對網(wǎng)絡(luò)消費(fèi)者首次購買意愿影響機(jī)理研究[D]. 吉小葉.中北大學(xué) 2016
[9]基于LDA和詞性句法規(guī)則的用戶評論情感分析研究[D]. 張建華.廣西大學(xué) 2014
[10]基于LDA模型的文本聚類研究[D]. 董婧靈.華中師范大學(xué) 2012



本文編號：3441358