检索结果-南通市图书馆

融合评论文本方面信息的深度学习推荐算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合评论文本方面信息的深度学习推荐算法研究

作者：房帆国防科技大学

学位级别：硕士

随着信息技术的迅速发展,互联网已普及至娱乐、消费、工作、学习等诸多领域,影响着社会生活与发展的方方面面。在多样化的互联网应用程序、近乎无限的网络连通性以及快速发展的信息共享机制的驱动下,互联网用户规模快速膨胀,网络信息传... 详细信息

随着信息技术的迅速发展,互联网已普及至娱乐、消费、工作、学习等诸多领域,影响着社会生活与发展的方方面面。在多样化的互联网应用程序、近乎无限的网络连通性以及快速发展的信息共享机制的驱动下,互联网用户规模快速膨胀,网络信息传播渠道急剧增加,且这一趋势仍在进一步扩张。尽管互联网信息的大量涌入被认为是推动多个应用领域快速发展的重要因素,但其也使得信息的获取成本不断攀升,进而导致了信息过载问题。推荐算法基于用户历史行为建模用户兴趣,并以用户兴趣为核心自动过滤网络中的海量信息,能够帮助用户筛选合适的内容或商品,优化用户的使用体验,为缓解信息过载问题提供了高效的解决方案。传统的推荐算法主要基于用户/项目的属性特征以及评分构建,但用户/项目属性特征多为静态基本特征,无法体现用户在不同场景下的动态偏好。近年来在线平台的迅猛发展以及用户对于各类产品体验的积极分享,促使用户评论信息总量不断增长,越来越多的研究开始关注蕴含丰富用户-项目交互信息的评论文本。当前基于评论信息的诸多推荐算法中,多数方法的建模维度均停留在文档级/评论级层面,而没有考虑评论中所蕴含的细粒度的方面级信息。事实上,方面级信息作为用户评论中关于项目属性的描述以及评价,如商品价格及用户对于价格的评价描述,有助于进一步揭示整体评分背后潜在的更细致的用户感受以及更深层的用户体验,对于推荐算法的建模过程具有不可替代的重要性。尽管目前部分研究工作已尝试将方面级信息融入到推荐算法的建模过程中,但大部分方法仅基于方面级信息进行推荐算法建模,有关考虑方面特征、评论特征、ID特征等多源信息进行联合建模的研究工作还少见报道,且模型的结构及性能仍有进一步优化提高的空间。此外,多数融合方面级信息的推荐模型需要特定领域的方面级信息作为先验知识,这也使得模型的普适性受到了一定程度的限制。针对以上问题,本文主要开展了以下四个方面的工作:（1）对比了方面级情感分析方法在实际任务场景下的推荐性能以基于情感词典的以及基于位置感知标记的两种主流方面级情感分析方法为基础,分别构建了融合方面级信息的基础推荐模型Neural CF和Neural CF,验证了方面级信息对于推荐算法建模过程的有效性,对两种方面级情感分析方法的应用效果以及任务适应性进行了对比分析,并选定基于情感词典的方面级情感分析方法作为最终的方面级信息提取模型。（2）提出了基于多维特征融合的深度学习推荐模型ABRLR融合评论/方面/ID特征等多源信息,构建了基于多维特征融合的ABRLR模型,通过对比基于情感词典的以及基于位置感知标记的两种方面级情感分析方法在ABRLR模型框架下的应用效果,进一步验证了基于情感词典的方面级情感分析方法的有效性。同时,基于亚马逊公开评论数据集对比了ABRLR模型与四种主流推荐模型的预测性能,实验结果表明与最优基准方案相比,融合多源信息的ABRLR模型显著提高了推荐模型的预测性能,其MSE指标在三个数据集上最高降低了4.64%。（3）优化了基于多维特征融合的ABRLR模型的框架结构在融合方面级信息的推荐模型的建模过程中,对比了不同的评论/方面/ID特征等多源信息的融合方式、用户-项目特征交互方式以及用户-项目交互特征处理方式对推荐模型建模效果的影响,并综合各类方案的性能表现对ABRLR模型框架中的多源信息融合方式以及用户-项目交互特征处理方式进行了优化,从而进一步提升了ABRLR模型的建模效果。（4）提出了基于注意力机制的ABNAR深度推荐优化模型综合评论特征以及方面特征构建了评论/方面双层注意力网络,并提出了联合建模用户/项目向量的用户-项目特征联合学习层,从而进一步建模评论文本的信息性以及用户向量与项目向量间的相互影响。进一步地,以优化后的ABRLR模型框架结构为基础,通过引入评论/方面双层注意力网络以及用户-项目联合学习层提出ABNAR模型,实现了对用户/项目向量的更充分的学习,取得了较ABRLR模型更优的预测性能,在三个数据集上其MSE指标与ABRLR模型相比最高降低了2.30%。

关键词：推荐算法方面级情感分析评论文本挖掘神经网络评分预测

基于文本挖掘-结构方程模型-TRIZ的智能蔬菜种植机改进设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机械设计 2023年第4期40卷 147-153页

作者：苏晨刘凯铸杨圣林吴昭仪刘涛湖北工业大学工业设计学院湖北武汉430068

为改善城市居民对家庭种植设备的满意度,提高产品功能性与实用性,以用户核心需求为导向,提出一种融合文本挖掘、结构方程模型(Structural Equation Modeling,SEM)和TRIZ的设计方法。以种植机用户在线评论文本为来源,通过文本挖掘快速获... 详细信息

为改善城市居民对家庭种植设备的满意度,提高产品功能性与实用性,以用户核心需求为导向,提出一种融合文本挖掘、结构方程模型(Structural Equation Modeling,SEM)和TRIZ的设计方法。以种植机用户在线评论文本为来源,通过文本挖掘快速获取产品的用户需求;采用SEM探讨用户需求的层次结构,并确定其主次关系,找出其创新点和矛盾点,将其描述成相应的物理矛盾与技术矛盾,根据TRIZ理论发明原理对矛盾问题进行解耦;对家庭智能蔬菜种植机进行改进设计。将评论文本挖掘、SEM与TRIZ理论进行创新性结合,可得到产品的潜在需求,设计出的种植机符合使用环境要求,为该类产品提供新的设计思路。

关键词：智能蔬菜种植机评论文本挖掘结构方程模型 TRIZ理论改进设计

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

在线评论驱动的电子产品选择研究

在线评论驱动的电子产品选择研究

作者：司旭东中国矿业大学

学位级别：硕士

在线购物网站和社交媒体平台数量的爆炸式增长使得消费者能够轻松分享他们对产品或者服务的评论,潜在消费者在购买产品之前会通过评论来对同类型不同品牌型号的产品进行择优购买决策。针对利用在线评论对电子产品领域备选产品进行排序... 详细信息

在线购物网站和社交媒体平台数量的爆炸式增长使得消费者能够轻松分享他们对产品或者服务的评论,潜在消费者在购买产品之前会通过评论来对同类型不同品牌型号的产品进行择优购买决策。针对利用在线评论对电子产品领域备选产品进行排序选优的难点问题进行深入的研究,本文主要的工作有:（1）针对评论文本细粒度情感分析问题,利用自然语言处理工具Hanlp对在线评论进行本文预处理,基于LDA主题模型挖掘出评论文本中消费者感兴趣的产品属性个数确定评价指标,结合评论的频繁项将属性词筛选归类到相应的属性词集合中建立属性词表。（2）以属性词表中的关键词为核心通过依存句法分析技术提取出电子产品属性词相对应的候选情感词,用FastText模型通过领域相关语料训练出词向量,结合KNN算法对候选情感词进行分类筛选扩充构建适用于电子产品领域的领域情感词典进行情感分析。（3）针对消费者在电子产品择优购买时权重值的确定问题,普通消费者是无法给出精确属性指标权重值,本文将文本情感分析结果转换为直觉模糊数的形式,利用偏序集排序法具有不需要权重数值就可以对方案进行排序的优点,采用基于改进直觉模糊TOPSIS模型的偏序集方法对备选方案进行排序,并且借助H asse图将排序层集进行可视化。本文的研究成果丰富了利用在线评论对备选电子产品进行排序选优问题的理论和方法,所提出的决策模型对于开发电子产品购买决策辅助工具有一定的参考意义,进而对该研究的进一步深入打下一定的基础。本篇论文有图34幅,表11个,相关参考文献102篇。

关键词：评论文本挖掘文本细粒度情感分析多属性决策问题直觉模糊TOPSIS模型偏序集决策方法

基于在线评论挖掘的生鲜电商用户选择行为与产品推荐研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于在线评论挖掘的生鲜电商用户选择行为与产品推荐研究

作者：陈静东南大学

学位级别：硕士

随着“互联网+”的推广和用户消费习惯的养成,生鲜电商平台成为一个重要的生鲜品网络营销渠道。生鲜品具有易逝性、冷链物流困难、品牌不突出、标准化程度低等特点,消费者对线上购买的生鲜品仍然缺乏信任,在线消费场景下生鲜品购前信息... 详细信息

随着“互联网+”的推广和用户消费习惯的养成,生鲜电商平台成为一个重要的生鲜品网络营销渠道。生鲜品具有易逝性、冷链物流困难、品牌不突出、标准化程度低等特点,消费者对线上购买的生鲜品仍然缺乏信任,在线消费场景下生鲜品购前信息对用户具有很高的价值。评论作为一种用户生成内容,是对商家口碑与服务产品信息的重要披露方式,成为一种有效的信息获取渠道,影响用户的购买决策。生鲜电商要实现精准营销,需要高效利用用户生成信息,及时、准确地挖掘用户需求,帮助用户解决“信息过载”问题,准确地找到目标产品。在此背景下,本文基于新零售和互联网大数据背景下的生鲜品线上消费场景,通过评论文本挖掘、实证研究和推荐算法等方法,研究如何从海量数据中精准了解用户对生鲜品和服务的关注点和需求点,从定量角度探寻评论中的隐反馈信息对用户选择行为产生的影响,并构建生鲜品营销推荐模型,为生鲜电商平台挖掘用户需求和偏好、实现精准化营销和个性化产品推荐提供一定的理论依据和实践指导。首先,考虑评论的社会影响效用,对在线异质用户隐性需求及偏好进行挖掘研究。运用互联网大数据,通过文本挖掘技术获取评论中的用户需求特征。结合用户属性及生鲜品属性(产地、重量、价格等),考虑评论隐反馈信息对用户购买决策行为的影响,构建融合评论社会影响效用的Mixed logit模型,对用户在线选择行为进行了分析。再通过实际生鲜电商数据进行算例分析。研究发现:生鲜品属性变量(显性需求)不能充分捕捉用户需求,更多隐形需求隐含在其他用户的评论中,影响用户的选择行为。与不考虑评论影响效用的模型对比,纳入在线评论隐反馈信息所建立的考虑评论社会影响效用的生鲜电商用户选择模型具有更好的解释性,验证了本文模型对于研究在线用户的选择行为具有实际价值。其次,根据生鲜品的特征和线上交易特点,研究基于用户修正评分和Item-CF的生鲜品推荐算法。结合基于改进词性路径模板提取算法的产品特征抽取方法和基于情感词典的特征维度情感分析方法,获得评论情感态度,对用户评分进行细粒度区分。进一步地,考虑了推荐中的流行度失衡问题和用户对生鲜品季节性的需求偏好,运用流行度时间衰减因子和季节敏感因子改进评分预测函数,构建了融合用户评分修正和Item-CF的生鲜品推荐算法,进行评分预测和推荐。根据京东生鲜电商数据集,划分训练集和测试集并展开实验,结果表明:评分修正方法可根据用户评论有效地区分用户的真实偏好,并对提升推荐结果的准确性具有较好的效果;与不考虑评分修正的算法对比,提升了推荐的多样性和稳定性;考虑流行度衰减因子和生鲜品季节敏感因子可有效提升推荐的准确率和多样性;与其他协同过滤基础算法对比表明,Item-CF算法比User-CF算法更适用于生鲜品的推荐。研究丰富了传统离散选择模型的应用领域,扩充了生鲜电商领域的现有推荐技术和方法,同时为生鲜电商平台精准营销、经营策略调整、个性化推荐等决策提供思路。

关键词：生鲜电商评论文本挖掘在线选择行为产品推荐协同过滤

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户评价数据的Y系列产品用户画像研究

基于用户评价数据的Y系列产品用户画像研究

作者：曾俊杰昆明理工大学

学位级别：硕士

用户画像作为一种可以描述用户需求、兴趣或是个性化偏好等特征的用户虚拟形象集合,已成为世界各国企业、高校研究的热点,引起了企业界、学术界的广泛关注。本文针对YC行业用户画像构建中所遇到的困难进行了分析,并提出了相应解决思路... 详细信息

用户画像作为一种可以描述用户需求、兴趣或是个性化偏好等特征的用户虚拟形象集合,已成为世界各国企业、高校研究的热点,引起了企业界、学术界的广泛关注。本文针对YC行业用户画像构建中所遇到的困难进行了分析,并提出了相应解决思路和方案,基于YC行业Y系列产品用户评价数据,提出了一种针对Y系列产品用户画像模型(UPM)。论文主要研究内容及创新点概括如下:1.针对构建用户画像时,评价数据中评论文本难以处理应用或是处理不够细致的问题,引入了预训练语言模型(PLM)解决方法。训练出了针对Y系列产品用户评论信息挖掘的神经网络模型,能有效提取评论文本数据中的用户评论维度、观点词以及情感倾向,并以此构建出了用户的反馈维度及关注点维度。2.提出了一种针对Y系列产品多维度用户画像的UPM模型,从用户的基本维度、互动维度、反馈维度、关注点维度四个维度,构建出了较为全面的用户画像,在互动维度及反馈维度构建时,引入了客观赋权法,对用户属性进行量化,使得画像更为精细,并最终实现了可视化。3.基于UPM模型构建出的用户个人画像,本文从YC行业两个具体应用场景出发,应用不同的管理视角,构建出了用户群体画像,实现了可视化,并给出了应用想法。论文成果所提出的用户画像的研究思路和方法,以及所构建的用户个人画像模型,适用于YC行业的两个不同应用场景,并能根据实际应用场景进行不同扩展。同时,上述研究成果也可扩展应用至具有相似数据结构或用户信息领域的用户画像研究及应用。

关键词： YC行业用户画像评论文本挖掘自然语言处理预训练语言模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于消费者评论挖掘的餐饮推荐系统实现

基于消费者评论挖掘的餐饮推荐系统实现

作者：苗栋晨南京邮电大学

学位级别：硕士

随着电子商务的快速发展,线上消费成为人们生活中不可缺少的一部分。推荐系统通过电子商务网站来给用户推荐商品或服务,帮助用户解决应该购买什么产品。在餐饮领域,传统的餐饮推荐系统只考虑了消费者的总体打分,没有考虑消费者对于菜品... 详细信息

随着电子商务的快速发展,线上消费成为人们生活中不可缺少的一部分。推荐系统通过电子商务网站来给用户推荐商品或服务,帮助用户解决应该购买什么产品。在餐饮领域,传统的餐饮推荐系统只考虑了消费者的总体打分,没有考虑消费者对于菜品口味、就餐环境、服务态度等不同特征属性的打分情况,使得推荐系统的准确性有所降低。针对这一问题,越来越多的人们转向对餐饮评论文本的研究,因为这些评论包含了消费者对餐厅的消费建议、就餐感受、服务体验等大量有价值的消费信息,能够准确刻画餐厅的各项特征,提高推荐的准确性。论文运用自然语言处理等技术分析餐饮评论文本,并将其应用到个性化餐饮推荐中,挖掘并分析消费意见和情感信息,提高餐饮推荐系统的准确性。论文工作内容如下:（1）构建了一个基于消费者评论信息挖掘的餐饮推荐子系统,包括餐饮数据采集模块、数据预处理模块、评论摘要抽取模块、评论情感极性分类模块、餐厅相似度计算模块、餐厅推荐模块六个基本模块。上述模块构成了完整的线下推荐系统功能,实现了数据爬取,数据预处理,评论摘要抽取、评论情感极性分类、餐厅相似度计算、餐厅推荐等功能。（2）使用BeautifulSoup从某餐饮网站爬取了2百多万条餐饮数据,主要信息字段有:用户ID、餐厅ID、消费者打分和消费者评论,并将其存入MongoDB数据库。（3）将依存句法分析技术引入评论摘要抽取模块。对预处理后的评论文本进行依存句法分析,得到词语之间的语法关系。根据系统设计的语言逻辑规则,挖掘出符合规则的词语并整理成一个完整的描述作为评论摘要,并将对应的评论短句标记为主观句。该方法充分利用评论文本中的语法关系,相比现有的摘要抽取方法查全率和查准率均有所提高。（4）将基于词性的特征选择模型加入到评论情感极性分类模块。通过统计分析主观句中不同词性组合的统计量,人工选取统计量高且有意义的词性组合。接着利用词性组合筛选特征,将符合此行组合的词组挑选出来,构建初始特征集。最后人工标注褒义主观句和贬义主观句各20000句,通过Logistic回归训练分类器并对评论进行情感极性分类。该方法比传统的情感极性分类方法在分类正确率上提高了3.5%。（5）将评论摘抽取模块和评论情感极性分类模块的挖掘结果进行结合,构造餐厅的多属性打分特征向量并计算餐厅相似度,代替传统推荐方法中的打分相似度。本系统采用的方法相比于传统推荐系统,刻画出了餐厅不同属性特征的优劣情况,提高了推荐准确度。

关键词：评论文本挖掘推荐系统自然语言处理 Logistic回归情感分析