發(fā)布時間：2024-06-30 01:41

　　隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,電子商務已經(jīng)完全融入到人們的日常生活中,消費者在無法直接了解產(chǎn)品時,評論就發(fā)揮了關(guān)鍵的作用。產(chǎn)品評論中隱藏著大量有價值的信息,挖掘這些評論的情感傾向既可以讓消費者間接的了解到產(chǎn)品質(zhì)量的好壞,也可以讓商家通過消費者的反饋來及時調(diào)整策略。但在以往的電商評論情感分析研究中,存在著一些缺點。首先,在利用傳統(tǒng)矩陣填充算法將電商評論轉(zhuǎn)化為固定大小的文本向量矩陣時,文本向量矩陣所占存儲空間較大,模型運行時間過長;其次,模型的魯棒性較差,模型往往只在某種特定電商評論上有好的效果,而在其它電商評論中效果卻很不理想;最后,在以往的傳統(tǒng)機器學習模型和深度學習網(wǎng)絡模型中,電商評論情感極性分析的準確率、精確率、召回率以及F1-Measure值并不理想。針對以上的缺點,本文主要研究工作如下:首先,本文在詞向量訓練語料庫上做了改進,將維基百科中文語料庫和商品評論語料庫進行結(jié)合作為詞向量訓練的混合語料庫去生成詞向量庫,相較于僅僅使用維基百科中文語料庫,實驗結(jié)果表明,混合語料庫下五種電商評論情感分類的魯棒性和準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空間過大,深度神經(jīng)網(wǎng)絡模型運行...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

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

上海師范大學碩士學位論文第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時代的即將來臨，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)中國互聯(lián)網(wǎng)絡信息中心(CNNIC)2019年，8月30日發(fā)布的第44次《中國互聯(lián)網(wǎng)絡發(fā)展狀況統(tǒng)計報告》統(tǒng)計[....

圖1-22019年國內(nèi)電商平臺占用率

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

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

上海師范大學碩士學位論文第1章緒論3各大電商為了提高產(chǎn)品質(zhì)量，都提供了商品評價功能，以及時獲取消費者對產(chǎn)品的評價。電商所帶來的價值是十分巨大的，2019年的全網(wǎng)銷售額為4101億元，較2018年的3143億元，增加了30.47%。圖1-3所示為2015年來每年的全網(wǎng)銷售額情況，從....

圖1-4情感分析研究方法的發(fā)展趨勢

第1章緒論上海師范大學碩士學位論文4圖1-4情感分析研究方法的發(fā)展趨勢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]，通常將文本當作詞語的集合，在這個集合中并不考慮原始文本中上下文詞語的關(guān)系。基于情感詞典的方法主要通過制定一系列語法和句法的規(guī)則和人工標注情感詞典，對文....

本文編號：3998206