检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于文本挖掘的民宿评论情感分析研究

基于文本挖掘的民宿评论情感分析研究

作者：杨鑫贵州财经大学

学位级别：硕士

近年来,民宿客栈作为一种新的住宿型态,逐渐成为人们出行旅游途中落脚的一个新选择,被大众所青睐。同时,随着互联网技术的飞速发展,人们也越来越愿意通过网络平台对民宿服务发表评论,进而表达自己的观点、情感和态度,在这些评论中包含... 详细信息

近年来,民宿客栈作为一种新的住宿型态,逐渐成为人们出行旅游途中落脚的一个新选择,被大众所青睐。同时,随着互联网技术的飞速发展,人们也越来越愿意通过网络平台对民宿服务发表评论,进而表达自己的观点、情感和态度,在这些评论中包含着影响民宿管理者决策与人们选择民宿消费的重要信息,具有极大的挖掘价值。如何从民宿评论中有效识别、提炼和分析用户的情感及需求,进而为企业或消费者提供信息服务,正是本文研究的出发点。本文主要将文本挖掘技术应用在贵州民宿评论的情感分析中,对携程旅游网、小猪短租网和去哪儿网等平台上的评论数据进行研究。其中,针对网络新词内用户情感识别率低的问题,提出一种融合SO-PMI与Word2Vec的方法,该方法充分考虑到词汇间的共现性和语义关联,在原有情感词典的基础上构建了贵州民宿领域专属词典,实验过程中使用词频-逆文档词频技术挑选情感种子词、借助梯度下降法赋予程度副词不同权重,以提高情感识别精度。研究发现,领域词典的情感分析性能得到一定提升,优于分别基于SO-PMI和Word2Vec的词典扩充法,在负面评论中,F特征值分别提升了5.4%和6.5%。同时,运用领域词典进行民宿评论的情感挖掘,分析贵州各地区用户的情绪分布和用户情感-评价等级的关系,并用可视化手段加以呈现。此外,借助LDA模型完成情感分类下的主题挖掘,明确贵州民宿的优劣势,即正负面主题,详尽分析各主题的产生及其内在原因。利用公式计算贵州民宿用户满意度,了解各区域间的差异性。最后,针对贵州民宿客栈的详细信息进行统计和编码,构建专有数据特征集,并基于随机森林、朴素贝叶斯和支持向量机等机器学习方法进行口碑分类和预测。实验结果表明,总体效果良好,是向消费者们实现优质民宿推荐的有效方法。

关键词：文本挖掘民宿评论情感分析主题挖掘口碑预测信息可视化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于文本挖掘的民宿评论细粒度情感分析

基于文本挖掘的民宿评论细粒度情感分析

作者：胡飞菊江西农业大学

学位级别：硕士

互联网技术、信息技术以及经济的飞速发展,给共享经济提供了良好的发展平台,共享模式遍布生活各个方面,人们的生活也因此发生了日新月异的变化。共享空间模式的出现,给人们的出行住宿提供了多样性的选择。民宿这一新型的共享住宿产品,... 详细信息

互联网技术、信息技术以及经济的飞速发展,给共享经济提供了良好的发展平台,共享模式遍布生活各个方面,人们的生活也因此发生了日新月异的变化。共享空间模式的出现,给人们的出行住宿提供了多样性的选择。民宿这一新型的共享住宿产品,因其舒适、自由的体验倍受广大出行用户的喜爱。鉴于共享单车从繁荣到衰退的历史,民宿行业应该重视与反思自身的发展状况与存在的问题,奔着可持续发展的目标前行。所以利用文本挖掘技术,分析民宿目前的状况是十分有意义的。目前在线酒店预订网站能够实现线下房源信息在线上展示,方便消费者线上浏览、预订、反馈。因此本文从在线酒店预订网站的民宿评论出发,总结民宿行业的特征评价体系,挖掘用户对民宿特征的情感倾向,为酒店和民宿的经营者提供直观的用户评价信息,从而给他们提供经营参考性价值。以下三部分是本文的主要研究工作:(1)抽取情感评价单元。首先抓取评论数据及进行预处理操作。设计了基于python的爬虫程序用于从携程网站爬取民宿评论。自定义了酒店领域专有名词词典用于jieba分词,促进酒店领域特征被完整的切分。自定义停用词典用于过滤无表示意义的词。使用ltp工具进行词性标注,并去除无意义词性及词语。然后定义情感评价单元为属性特征、情感特征、情感程度特征序列,提出七种词性序列规则用于抽取情感评价单元,考虑特殊的否定句式和肯定句式,补充词性标注为成语的词语作为情感倾向词语。最后使用与频繁特征的词语相似度来过滤错误的情感评价单元。丰富了已有的词性序列规则,并提高了抽取的情感评价单元的正确率。(2)构建民宿特征评价体系。基于已有的酒店特征分类研究,拓展民宿的其他属性特征分类。所以基于抽取的特征集合,分两步对民宿特征进行分类研究。第一步基于已有的酒店特征分类研究,对民宿特征按照酒店特征类别进行预分类。第二步应用层次聚类算法对未归类的民宿特征进行归类,并提出一种基于词典和词向量的综合词语相似度计算方式计算层次聚类分析单个样本间的距离,为聚类分析提供了高质量的输入参数。聚类结果表明本文的综合词语相似度计算方式的有效性。最后对第一步和第二步民宿特征分类结果进行总结、归纳,形成民宿特征评价体系。(3)民宿特征细粒度情感分析。基于频繁特征与特征评价体系,采用情感词典的方式进行细粒度情感值计算,挖掘出用户最关注的的五大民宿特征和情感倾向,民宿类别的情感倾向和整体情况。

关键词：民宿评论情感评价单元层次聚类算法词语相似度细粒度情感分析

基于句法依存信息的方面级民宿评论情感分类研究与系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于句法依存信息的方面级民宿评论情感分类研究与系统实现

作者：李文文西南大学

学位级别：硕士

随着旅游业的快速发展,民宿已经成为旅游者外出落脚的首要方式。对网络平台上的民宿评论进行情感分析,有利于游客进行选择,商家进行针对性的改进。不同于传统的文本情感分类方法,方面级情感分类旨在识别出一个句子中不同方面的情感极性... 详细信息

随着旅游业的快速发展,民宿已经成为旅游者外出落脚的首要方式。对网络平台上的民宿评论进行情感分析,有利于游客进行选择,商家进行针对性的改进。不同于传统的文本情感分类方法,方面级情感分类旨在识别出一个句子中不同方面的情感极性。以更细粒度的方式来进行分析,可以挖掘出用户对民宿不同特征的情感倾向。故利用方面级情感分类方法去分析民宿评论数据是十分有意义的。近年来,由于方面级情感分类任务的复杂性,传统的深度学习方法很容易提取到一个句子中其它方面项的意见词特征。也有研究者试图利用依赖解析器获取依赖关系,从而定位意见词信息,然而依赖解析器不能面向特定的方面项解析,所以在一个句子中存在两个或者两个以上的方面项时,解析器容易将不同方面项的意见词错误的连接起来,除此之外,以往的研究中没有将每个词的词性引入到判断情感极性的依据中,从而影响了情感极性的判断。针对以上不足,本文研究基于句法依存信息的方面级民宿评论情感分类方法并实现系统。主要包含以下几个方面的工作:1、给出一种民宿评论的批量获取方法以及包含去噪、词性标注、依赖解析、词向量化的数据预处理方法。该方法首先利用requests库批量获取评论数据并保存到本地,然后对爬取的民宿评论进行去除网络符号、去除停用词、去除URL的去噪操作,紧接着使用Jieba工具获取每个词的词性,利用DDParser生成依赖解析树,最后使用预训练的ERNIE进行词向量化操作。2、给出一种基于序列标注的方面项提取算法。该算法首先使用预训练的ERNIE学习完整概念的语义表示,再经过Bi LSTM提取关键特征,接下来将完整的隐状态序列接入线性层,获取每个可能标签的分数,最后通过CRF学习句子前后依赖并提取出方面项。通过实验结果表明,本文给出的方面项提取算法比经典算法效果更好。在准确率、精确率、召回率和F1值上,该算法分别达到了96.24%、98.16%、98.13%、和98.14%,与同领域经典算法BERT-Bi LSTM-CRF相比分别提高了1.67%、2.09%、1.66%、1.88%。3、给出一种基于句法依存信息的方面级民宿评论情感分类算法。该算法首先重构一个面向方面的依赖解析树,它可以更好的将方面项和意见词联系起来,然后引入词性关注机制,重点关注与方面项具有依赖关系的潜在意见词,之后通过GCN聚合给定词性权重的与方面项相邻的节点的特征向量,接下来将全局特征同局部特征进行拼接,再通过多头自注意力机制融合特征,最后进行分类得出情感极性。为避免过拟合,本文使用了L2正则化并加入了dropout层。通过实验结果表明,本文给出的方面级民宿评论情感分类算法比经典算法效果更好。在准确率、精确率、召回率和F1值上,该算法分别达到了97.15%、94.12%、91.37%和92.72%,与经典算法BERT-SPC相比分别提高了1.05%、2.7%、1.12%、1.89%。4、实现并运行测试方面级民宿评论情感分类系统。根据系统的各部分功能进行开发,然后对整个系统进行运行测试。运行测试结果表明,在共200个民宿评论中,本系统在环境、性价比、设施等10个方面都可以预测情感极性,并且预测效果较好。通过实验表明,该系统能够较好的提高任务的准确率和有效性。通过本文的方法研究与系统实现,为商家和游客提供更直观的用户评价信息,这些信息既有利于商家进行针对性的改进,又为游客选择更适合自己的民宿提供了决策依据,从而促进了旅游业与民宿行业的发展。

关键词：民宿评论方面项提取方面级情感分类依赖解析词性

基于文本挖掘和随机占优准则的民宿用户满意度研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于文本挖掘和随机占优准则的民宿用户满意度研究

作者：刘昕鑫河北工业大学

学位级别：硕士

随着互联网的快速发展,越来越多的民宿预订网站深受用户青睐,这些网站的出现,为跨国家、跨地域的消费者提供了住宿和内容分享的平台。商家可利用这些数据精准的识别市场变化,挖掘消费者的满意度。针对不同国家的民宿用户满意度研究,不... 详细信息

随着互联网的快速发展,越来越多的民宿预订网站深受用户青睐,这些网站的出现,为跨国家、跨地域的消费者提供了住宿和内容分享的平台。商家可利用这些数据精准的识别市场变化,挖掘消费者的满意度。针对不同国家的民宿用户满意度研究,不仅能够及时准确地了解各国用户的需求及体验,也为民宿领域中文化差异的研究提供了借鉴意义。目前在学术界,运用文本挖掘技术针对民宿用户满意度的研究已经受到关注,但还缺少深入系统、科学有效的满意度量化和满意度影响因素排序的方法。基于上述背景,本文运用文本挖掘和多属性决策等方法,系统地对中国和美国的民宿用户满意度进行研究,旨在为民宿预定平台和商家提供建议与策略,促进民宿行业的可持续发展。本研究主要针对以下三方面进行分析:(1)民宿特征指标的选取研究。通过对民宿行业现状和评论现状的分析,为民宿特征指标的选取提供了参考,也为数据的处理提供了方向;在此基础上,提出特征指标的具体提取方法,描述数据获取和数据预处理的流程,根据预处理结果,阐明通过词频分析、LDA主题模型等方法,获取民宿特征指标的研究过程,并根据所获得的特征指标,借助Word2Vec模型,生成针对民宿领域的指标特征词表。(2)民宿用户满意度的评价研究。通过基于情感词典的细粒度情感程度分析对用户满意度进行评价,提出情感分析所涉及的基础词典、扩展词典和修饰词典;根据已确定的情感分析词典,说明特征情感值的具体计算方法和计算结果;根据情感分析结果,对用户满意度进行评价,确定满意度评价标度,并通过统计分析对研究数据的满意度情况进行说明。(3)民宿用户满意度影响因素的排序研究。通过随机占优准则和PROMETHEEⅡ方法对影响因素进行排序分析,提出了用户满意度影响因素排序的具体方法和流程;在此基础上,将所获取的特征指标作为用户满意度影响因素,进行计算分析;将分析结果可视化展示,说明产生这一结果的原因,并根据研究结果为平台和商家提出具体的改进与优化建议。本研究拓展了民宿领域的特征评价指标,为用户满意度评价和满意度影响因素排序研究提供了新思路,对促进民宿行业实现可持续发展具有重要的参考与借鉴作用。

关键词：民宿评论文本挖掘随机占优准则用户满意度中美对比