检索结果-南通市图书馆

作者：陈煌烨江西财经大学

学位级别：硕士

现今,互联网购物已经逐渐成为消费的主要模式,在中国国民的购物消费中,网购消费比重逐年增大。半数以上的消费者在网购后会对所购买的商品进行评论,而超过七成的消费者在选购商品时会浏览商品评论。可见,商品评论数据已经成为消费者做... 详细信息

现今,互联网购物已经逐渐成为消费的主要模式,在中国国民的购物消费中,网购消费比重逐年增大。半数以上的消费者在网购后会对所购买的商品进行评论,而超过七成的消费者在选购商品时会浏览商品评论。可见,商品评论数据已经成为消费者做出购买决策的重要依据。据新浪财经报道,2016年天猫双11全球狂欢节总交易额超1207亿人民币,覆盖235个国家和地区,而伴随网络购物产生的商品评论数据也早已经到了TB级别。对于如此大的数据量,消费者逐条浏览商品评论数据已经变得不现实。但是如果只阅读部分商品评论数据往往会造成以点概面的问题。同时用户在选购商品时,会去各类网站查询商品参数,有时单个网站还不能满足用户需求,需要查询多个网站来获取商品参数。为了解决该问题,急需一款强有力的商品评论分析工具,使消费者能全面地、及时地获取商品评论的分析信息,并且可以查看商品参数信息,帮助消费者做出购买决策,降低选购繁琐度。本文研究的主要内容如下:(1)商品评论数据的获取与预处理。分析国内热门电子商务网站,京东、淘宝和亚马逊的防爬虫措施。针对不同的防爬虫措施,提出相应的解决方案,并利用爬虫爬取商品评论数据。对于爬取下的商品评论数据,分析其中问题,提出解决方案,帮助下一步的情感分析,减轻人工工作量。(2)商品评论的情感分析。对商品评论进行语法语义分析,根据分析结果,利用Bootstrapping算法,结合规则与PMI方法,构建适合商品评论的情感词词典和评价对象词典。通过情感词词典和评价对象词典,利用规则抽取评价对象-情感词对。并建立商品特征与评价对象的映射关系,方便之后的分析结果展示工作。(3)商品评论情感分析结果的展示。利用Django框架,设计并实现商品评论情感分析系统。系统具有商品参数信息模块、品牌参数信息模块、商品情感信息模块、品牌情感信息模块、对比模块和推荐模块。参数信息模块的作用是为了减少用户选购商品时查询商品信息的繁琐步骤。情感信息模块则是从不同角度对比展示情感分析的结果,使用户轻松获得商品评论中蕴含的情感信息。对比模块和推荐模块则是结合商品评论情感分析结果和参数信息,帮助用户选购商品。另外,本文还对相关技术与理论基础进行了介绍,包括点互信息技术、句法分析、语义技术平台和Bootstrapping算法。本文建立适合于商品评论的情感词典和评价对象词典;利用词典抽取评价对象-情感词对,并建立评价对象和商品特征的关系;利用情感分析结果构建商品评论分析系统。该系统旨在帮助用户降低选购商品繁琐度,使用户能够清晰全面地了解商品评论中蕴含的信息。同时根据本系统的推荐和对比功能,帮助用户做出最终购买决定。

关键词：商品评论情感分析系统语义规则点互信息PMI Bootstrapping框架

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的评论情感分析系统设计与实现

基于机器学习的评论情感分析系统设计与实现

作者：陈波太原理工大学

学位级别：硕士

随着移动互联网的快速普及,人们使用网络的目的也发生了巨大变化,电商平台的出现也极大的改变了人们的消费方式,随之而来的互联网评论信息也使得人们在进行决策行动之前有了更多的参考。就各大酒店预定平台使用过程来说,用户通过浏览酒... 详细信息

随着移动互联网的快速普及,人们使用网络的目的也发生了巨大变化,电商平台的出现也极大的改变了人们的消费方式,随之而来的互联网评论信息也使得人们在进行决策行动之前有了更多的参考。就各大酒店预定平台使用过程来说,用户通过浏览酒店的评论信息来获得更直观的判断。通过对酒店的评论数据进行情感分析,可以清晰地了解到用户对于酒店的客观评价以及入住体验,从而帮助其它用户进行快速决策,选到合适的入住酒店,降低用户的选择时间成本。对于中文文本情感分析任务来说,结果的好坏很大程度上取决于情感特征的构建,由于中文文本表达形式多样,情感特征往往存在空间维数高,表示稀疏,缺乏文本语义信息等问题。为了解决以上问题,本文以机器学习算法为基础,结合自然语言处理的语言模型,对文本情感特征提取与表示方法进行研究,使用机器学习模型来进行情感极性判别分析。并且基于所提情感分析模型,设计并实现了酒店评论情感分析系统,用户可以通过本系统查询太原市的酒店分布地图,酒店满意度地图,以及酒店评论的情感分布等信息,最重要的是,本系统可以针对用户酒店评论信息进行实时情感分析。具体来说,本文主要包括以下3个方面的工作:(1)酒店评论语料库的构建:由于标准数据集在实际情感分析任务过程当中的不足,本文结合现有的网络爬虫原理以及相关技术方法,对去哪儿网酒店评论信息进行采集与存储,构建了积极、消极两种情感类别的大规模酒店评论语料库。(2)中文文本特征提取与表示方法的研究:本文将结合不同的词向量在进行文本表示中的差异,融合多种词向量的优势,详细介绍了基于粗糙集和多通道词向量的文本情感词特征表示方法RS-Word2vec⊕Glo Ve(RS-Wv Gv)的实现过程。(3)酒店评论情感分析系统的设计与实现:本文设计并实现了基于机器学习的酒店用户评论情感分析系统,将所提中文文本情感分析模型嵌入到情感分析系统相关模块当中,满足用户的数据可视化与情感分析的需求。

关键词：情感分析系统情感分析关键词提取粗糙集词向量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微博的情感倾向分析系统的研究与实现

基于微博的情感倾向分析系统的研究与实现

作者：彭陶北京邮电大学

学位级别：硕士

近年来,互联网飞速发展,社交网站已经成为人们表达观点的主要平台。微博作为其中热门的网站之一,每天都会产生大量的用户行为数据,这些数据对很多领域都具有研究价值。情感倾向分析是当下热门的研究领域之一,它使用统计学和机器学习方... 详细信息

近年来,互联网飞速发展,社交网站已经成为人们表达观点的主要平台。微博作为其中热门的网站之一,每天都会产生大量的用户行为数据,这些数据对很多领域都具有研究价值。情感倾向分析是当下热门的研究领域之一,它使用统计学和机器学习方法对用户行为数据进行分析和挖掘,并通过分析结果预测用户的情感态度。本文主要研究和实现了针对微博文本的情感分析系统,具体内容包括以下六个方面:第一,研究了常用的情感分析算法,包括支持向量机算法、朴素贝叶斯算法、Adaboost算法以及神经网络算法。研究了四种算法的原理以并对四种算法进行了分析比较。第二,研究了微博平台页面布局,设计了分布式微博爬虫系统。本系统主要爬取微博热门话题数据,包括微博正文和微博评论。第三,设计了数据预处理系统,并定义了数据预处理的三种规则,包括表情数据转化规则、数据去重规则以及无效数据清洗规则。第四,分析了微博文本数据特点,并针对其特点选择文本特征提取方法。本文主要使用卡方检验方法和TF-IDF方法对微博文本提取和表示特征。第五,使用上述分类算法中的前三种构建微博文本分类器,将微博文本分成正向、负向和中性三类,同时对三种算法分类结果进行了比较和分析。第六,设计并实现了一个展示系统,获取话题数据并通过WEB进行展示。最后,本文基于微博话题数据,对情感分析系统进行了测试,结果表明系统在微博情感预测中表现出较好的效果。

关键词：情感分类情感倾向情感分析系统微博分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微博的投资者情绪与股票市场表现研究

基于微博的投资者情绪与股票市场表现研究

作者：王泽燊东北大学

学位级别：硕士

随着互联网越来越普及,社交媒体在我们日常生活中的不可替代作用程度越来越高,它使得人们在各种信息传递的过程中的角色由被动方变为了主动方,极大地调动了互联网用户们的积极性,以致每天都有大量原创数据产生。这些数据主要为大众对于... 详细信息

随着互联网越来越普及,社交媒体在我们日常生活中的不可替代作用程度越来越高,它使得人们在各种信息传递的过程中的角色由被动方变为了主动方,极大地调动了互联网用户们的积极性,以致每天都有大量原创数据产生。这些数据主要为大众对于自然环境和社会环境的观点和情绪。同时中国的股票市场为新兴的市场,投资者的经验相对缺乏并且非理性的行为较多,导致投资者的投资行为更易受情绪影响进而对股票市场产生影响。于是,利用社交媒体平台来获得投资者的主观情绪,研究投资者情绪对中国股市的影响,对于当前用来指导投资者的理性决策、防范市场的风险具有非常重要意义。选用新浪微博用户发布的投资者相关微博数据,采用腾讯文智情感分析系统计算情感值,构建投资者情绪指数,基于异质性的角度来深入研究投资者情绪与股票市场指标之间关系。首先本文探讨了上海市场和深圳市场投资者情绪与股票市场指标(收盘价、成交量和波动率)之间的关系,并发现都为显著正相关。其次,本文采用了上证180指数分类来讨论基于股票异质性投资者情绪与股票市场指标之间的关系发现:(1)在成长股和价值股中都是正相关关系,投资者情绪与收盘价的关系在价值股中更显著,而与成交量和波动率的关系在成长股中更显著;(2)在小规模和大规模公司股票中都是正相关,在小规模公司股票中比在大规模公司股票中更显著;(3)对于大部分行业为显著正相关,每个行业股票市场指标受到投资者情绪影响程度不同;(4)在熊市和牛市下都是正相关,在熊市下比在牛市下更显著。之后本文以上证180为样本讨论了基于投资者异质性的投资者情绪与股票市场指标之间的关系,得出结论:(1)在不同性别投资者群体下都是正相关,女性投资者比男性投资者更显著;(2)在不同地区投资者群体下都是正相关,本地注册公司越多,投资者关注程度就越多,该地区投资者情绪与股票市场指标的关系越显著。然后,进行了因果关系检验,分别通过基于日以及竞价时间的单向因果关系检验和格兰杰因果关系检验,发现了投资者情绪是因,股票市场表现是果的因果关系。最后通过滞后30天的检验,发现中国投资者情绪与股票市场的关系存在动量效应。研究结果为投资者投资和监管部门完善市场建设提供了决策依据和理论指导。

关键词：新浪微博腾讯文智情感分析系统投资者情绪股票市场

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图文结合的多模态情感分析研究与应用

基于图文结合的多模态情感分析研究与应用

作者：耿锋山东交通学院

学位级别：硕士

随着信息与通信技术的发展,社交媒体融入到大众的日常生活当中。用户在社交平台上发布自己的观点,其主观情感信息在虚拟网络中不断传播、发酵,进而影响到现实世界的进程和发展。现如今,用户发布的内容不再局限于单一的文本信息,而是多... 详细信息

随着信息与通信技术的发展,社交媒体融入到大众的日常生活当中。用户在社交平台上发布自己的观点,其主观情感信息在虚拟网络中不断传播、发酵,进而影响到现实世界的进程和发展。现如今,用户发布的内容不再局限于单一的文本信息,而是多样化的多模态的数据信息,其中包括文本、图像和视频等多种形式。然而,随着多模态社交数据的不断涌现,情感分析成为了跨领域、跨学科的难点问题。在处理多模态数据时,不仅要解决多模态数据的异构性问题,还需要考虑到不同多模态数据所表达的不同情感的融合和分类问题。同时,不同场景下的情感分析受到多种因素的影响,包括数据类型和文化背景等。因此,在进行情感分析应用设计时,需要针对具体场景进行知识指导。本文的主要创新和工作将聚焦于解决以上问题。(1)针对图像和文本数据的异构性问题。为了更好的融合文本和图像的特征,本文使用双线性特征融合算法来融合文本和图像的特征。同时,在双向长短期记忆网络中加入了注意力机制用于提取文本特征,使用双线性卷积网络用于提取图像特征,提出了基于双线性卷积和双线性特征融合的多模态情感分析模型(Bilinear convolution Neural Networks and Bilinear Feature Fusion Model,BCNN-BFF)。实验结果表明,所提出的模型能够有效的解决图文特征的融合问题,情感分析的准确率率为76.89%,相比较FENet多模态情感分析模型准确率提高了2.83%。(2)针对模态之间表达的情感不一致的问题,即跨模态情感分析中广泛存在的反讽现象(反语和讽刺),本文提出基于图文结合的多模态反讽检测模型(Multimodal Sarcasm Detection Model,MSDM)。为了准确的识别出不同的多模态数据中所表达的反讽现象,首先从文本和图像两种模态的特征提取的算法上加入注意力机制来减少噪声和冗余特征。然后从图像数据中提取图像属性作为第三种模态,增加模型对数据的理解,提高模型的泛化能力。最后将所提出的模型在Twitter反讽数据集上进行性能验证。实验结果表明,MSDM模型的准确率为88.99%,相比BERT多模态反讽检测模型具有更好的准确率。(3)设计面向酒店评论的多模态情感分析原型系统。通过对本文多模态情感分析算法的研究学习,设计并开发了一个面向酒店评论的多模态情感分析原型系统。将顾客评论的图文数据作为输入,通过多模态情感分析系统检测情感极性并进行界面显示。使用3200条从携程网收集的酒店评论的图文数据集进行检测分析,用于验证系统情感分析的准确性。

关键词：情感分析多模态反讽检测情感分析系统深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文微博情感分析

中文微博情感分析

作者：张俊西北民族大学

学位级别：硕士

在短短的十数年里,在中国互联网经历了从门户网站、搜索、即时通信、游戏娱乐、垂直细分到电子商务、Wed2.0,再到社会化网络、移动互联网的一系列进化和变革。随着网络技术的迅猛发展,互联网信息互动的方式越来越多元化。在Web2.0时代... 详细信息

在短短的十数年里,在中国互联网经历了从门户网站、搜索、即时通信、游戏娱乐、垂直细分到电子商务、Wed2.0,再到社会化网络、移动互联网的一系列进化和变革。随着网络技术的迅猛发展,互联网信息互动的方式越来越多元化。在Web2.0时代的主流网络社交平台中,微博已经成为广大互联网用户最为喜爱的社交工具之一。在以速度和效率为标准的信息时代,微博不仅为网络用户提供了跨越时间和距离的即时通讯互动平台：同时微博还为网络用户提供了表现自我、表达情感和展现个性的动态展示平台。微博消息每时每刻都在不断更新,不计其数的带有情感信息的微博文本,使得针对微博进行情感分析的研究成为可能。目前微博情感分析的研究主要针对英文微博文本,面向中文微博情感分析的研究已经兴起。论文对中文话题型微博进行研究,针对微博文本的内容与微博自身的特点,选取对微博进行情感分析所用的特征值;使用机器学习配合情感词匹配的方法确定微博文本的情感极性。基于情感词典方面根据情感分析特征值组建了特有的两大类情感词典：微博评论对象是否加V词典、微博是否转发词典。机器学习方面通过比较朴素贝叶斯、最大熵、支持向量机、K-NN等分类器的优缺点最终选择SVM对微博文本进行情感倾向分类;通过搭建云平台环境,实现包含微博话题获取模块、微博文博抽取模块、微博文本预处理模块、微博文本情感计算模块四个功能模块的中文微博情感分析系统,并将系统部署在云平台上用于对微博进行情感分析。

关键词：情感分析情感词典机器学习云平台情感分析系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

情感分析及其在产品评论中的应用研究

情感分析及其在产品评论中的应用研究

作者：魏志生南京大学

学位级别：硕士

随着信息技术的发展,互联网上由用户产生并带有情感倾向的信息显著增加。情感分析技术能够对互联网中海量的情感倾向性信息进行自动的分析,从而能够帮助用户快速地获取和理解所需要的信息。本文围绕情感分析,展开了理论和应用研究,主要... 详细信息

随着信息技术的发展,互联网上由用户产生并带有情感倾向的信息显著增加。情感分析技术能够对互联网中海量的情感倾向性信息进行自动的分析,从而能够帮助用户快速地获取和理解所需要的信息。本文围绕情感分析,展开了理论和应用研究,主要工作包括：(1).加入领域先验知识的产生式情感分类模型。针对情感知识具有很强领域性这一情况,我们提出一种融入领域相关先验知识的产生式分类模型。首先,从标记了情感倾向的数据中抽取与领域相关的情感词作为种子情感词;然后,在未标记数据中对种子情感词进行扩展;最后,构建融合情感词先验知识的分类模型。实验结果显示,该方法可以显著提升分类效果。(2).评论分析系统(RAS, review analyze system)的设计和实现。基于现有的情感分析研究技术,我们设计了一个对电子商务网站中的商品评论数据进行情感分析的系统框架,并实现了原型系统。系统可分为三个模块：数据抓取模块,数据处理模块和前端展示模块。各个模块之间独立设计,具有标准的数据接口,以方便以后对系统的更新或扩展。(3).情感分析技术的应用。利用多种情感分析技术,实现了RAS的数据处理模块。在对评论数据进行预处理(分句,分词,词性标注等)后,首先对评论句子进行了主客观分类;然后抽取情感词及产品属性;最后,生成每种产品的评论摘要。

关键词：情感分析情感分类产生式分类模型情感分析系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于属性的情感分析方法的研究与实现

基于属性的情感分析方法的研究与实现

作者：关哲北京邮电大学

学位级别：硕士

随着Web2.0的兴起和电子商务的飞速发展,通过网络在线购买商品已经成为人们日常生活的一部分。许多消费者习惯在购买商品之后,在电商网站上发表评论信息,表达自己对所购买商品的使用体验和看法。从这些产品评论数据中挖掘出用户对商品... 详细信息

随着Web2.0的兴起和电子商务的飞速发展,通过网络在线购买商品已经成为人们日常生活的一部分。许多消费者习惯在购买商品之后,在电商网站上发表评论信息,表达自己对所购买商品的使用体验和看法。从这些产品评论数据中挖掘出用户对商品的评价信息,一方面可以引导其他潜在消费者选择合适的商品;另一方面商家可以通过这些用户反馈及时改进商品以满足市场需求。然而,对于网络上的海量用户评论,通过人工整理的方式从中获取信息并不现实。因此,使用情感分析技术挖掘用户评论中的有用信息已经成为了近些年来的热门研究课题。传统的情感分析方法难以针对产品属性进行细粒度的情感分析,只能给出产品评论的整体情感倾向。因此,本文在前人研究的基础上,通过对基于属性的情感分析方法进行详细研究,设计并实现了一个针对产品评论的情感分析系统。该系统能够实现对产品属性的情感分析任务。本文首先介绍了情感分析领域的相关技术,然后对情感分析系统做了具体的需求分析。接着介绍了系统的总体架构和详细设计及实现细节。最后通过系统测试,验证了系统功能。具体来说,本文的主要研究成果包括如下两个方面:(1)对现有的情感分析方法进行研究,针对中文产品评论,提出了基于属性的情感分析方法。本文通过基于关联规则的属性提取算法来挖掘产品属性,并利用基于LDA主题模型的情感分类算法对评论的情感倾向进行判别。(2)将基于属性的情感分析方法应用于实际,设计并实现了一个产品评论情感分析系统。使用该系统能够对产品评论进行属性级和评论级两种不同粒度的情感分析。此外,该系统还提供了产品对比和属性搜索等附加功能,使之更加贴近实际应用。通过系统测试,验证了系统的可用性。本文提出的基于属性的情感分析方法在属性挖掘和情感分类上都表现出不错的效果。以此为基础实现的情感分析系统能够较好的对评论文本进行细粒度的情感分析,具有较强的实用性和广阔的应用前景。

关键词：情感分析系统属性挖掘细粒度主题模型 LDA

知识增强预训练模型的方面级情感分析关键技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

知识增强预训练模型的方面级情感分析关键技术研究

作者：周城华东师范大学

学位级别：硕士

自然语言处理技术的发展,无论是学术界还是工业界都非常重视,情感分析是其重要的研究方向。近年来,如博客、论坛、微博、电商网站等平台都提供了用户发表观点和评论的渠道,由于信息过载,人们越来越倾向于参考别人的评价信息选择消费。... 详细信息

自然语言处理技术的发展,无论是学术界还是工业界都非常重视,情感分析是其重要的研究方向。近年来,如博客、论坛、微博、电商网站等平台都提供了用户发表观点和评论的渠道,由于信息过载,人们越来越倾向于参考别人的评价信息选择消费。有效地分析这些观点信息,有利于用户熟悉产品信息、调整经营策略、监控舆情动态等。传统的情感分析大多基于整个句子进行情感预测,然而,生活中人们往往更加关注指定方面的情感评价。因此,方面级情感分析任务应运而生。目前情感分析系统主要依靠大量数据进行驱动,一些研究者不断尝试通过一系列数据增强、数据迁移等方式增加辅助信息,通过实验表明这种方式对模型性能提升有限,并且需要大量数据进行迁移学习。利用其它领域的样本进行迁移学习,很难避免领域间不同语境带来的语义差异。因此,方面级情感分析任务是一个非常重要且非常复杂的问题,需求与发展永无止境,目前仍存在很多亟待解决的问题:第一,方面级情感分析任务的标注数据匮乏,且人工标注成本巨大,训练样本不足会极大地限制模型性能;第二,句子中不同方面的情感倾向不尽相同,如何更好地关注方面词相关的上下文情感信息是研究该任务的重难点之一;第三,目前情感分析平台大多开放的是基于整个句子进行情感预测,缺少具体方面的情感分析,设计并实现一个方面级情感分析系统是非常具有研究价值的。针对以上方面级情感分析任务中存在的不足,本文从数据增强、同义词替换、预训练等角度深入研究,提出两个算法模型并实现一个方面级情感分析系统。主要包括以下几点贡献:(1)提出一种基于预训练和同义词替换的数据增强算法。为了解决方面级情感分析任务的标注数据匮乏问题,本文对数据增强算法进行了深入研究,对比分析了基于预训练模型生成语义信息的有效性,提出一种基于预训练和同义词替换的联合训练模型。通过预训练模型生成同义句,保证语义信息的一致性,再联合同义词替换算法进一步丰富样本数据,保证生成句子的唯一性。最后在Sem Eval 2014数据集上进行模型评估,利用方面级情感分析任务的经典基线模型进行对比实验,验证了本文所提数据增强算法的有效性。(2)提出一种知识增强的预训练模型。为了解决方面对应的特征提取不充分问题,本文前人成果进行深入研究,分析实验角度,发现研究者更多的是关注句子的全局上下文信息,利用领域内或领域外的情感信息增加辅助情感知识,从而忽略了方面词附近的情感信息对指定方面情感表达具有更大积极作用的特征。本文提出一种基于全局文本信息和方面词局部情感信息进行联合知识增强的预训练模型,全面考虑了方面词的语义信息。在Sem Eval 2014和Twitter数据集上对比实验,从多个角度进行分析,验证了模型的有效性。最后还与主流的迁移学习进行对比分析,更进一步说明了模型在数据集较少的领域内效果表现更佳。(3)设计并实现一个方面级情感分析系统。本文设计并实现一个方面级情感分析系统,将本文所提两个算法模型应用于该系统中。用户可以根据需要自训练一个领域内的方面级情感分析模型,快速进行方面级情感倾向预测和数据统计分析。

关键词：方面级情感分析数据增强预训练模型情感分析系统 BERT