隨著人工智能的快速發(fā)展,自然語(yǔ)言處理成為最為熱門(mén)的研究領(lǐng)域之一,而自然語(yǔ)言生成是其最難的任務(wù)之一。本課題研究問(wèn)答社區(qū)中的用戶(hù)評(píng)論自動(dòng)生成任務(wù)屬于自然語(yǔ)言生成任務(wù),但又與傳統(tǒng)的語(yǔ)言生成任務(wù)不同,如文本摘要生成、圖片描述生成等生成的對(duì)象文本均是受到較多的限制,而問(wèn)答社區(qū)中用戶(hù)評(píng)論生成是幾乎不受限的語(yǔ)言生成,用戶(hù)評(píng)論可以存在多種表達(dá)方式、多種語(yǔ)言風(fēng)格,甚至內(nèi)容上可以與答案沒(méi)有明顯的相關(guān)性,在生成的過(guò)程中具有更多的困難。本文探索問(wèn)答社區(qū)中的用戶(hù)評(píng)論生成技術(shù),從如下三個(gè)方面進(jìn)行研究:問(wèn)答社區(qū)中的用戶(hù)評(píng)論行為分析、問(wèn)答社區(qū)中的具體評(píng)論生成技術(shù)研究以及非具體評(píng)論自動(dòng)生成技術(shù)的改進(jìn),并在典型的問(wèn)答社區(qū)——知乎的數(shù)據(jù)集上進(jìn)行了驗(yàn)證。本文的研究?jī)?nèi)容及貢獻(xiàn)如下:第一,對(duì)問(wèn)答社區(qū)中的用戶(hù)評(píng)論行為進(jìn)行了分析,分別分析了問(wèn)答社區(qū)中的數(shù)據(jù)分布、社區(qū)中的用戶(hù)參與情況、用戶(hù)評(píng)論的傾向性以及用戶(hù)評(píng)論的獨(dú)立分析四個(gè)方面。分析結(jié)果表明用戶(hù)社區(qū)中用戶(hù)評(píng)論時(shí)有評(píng)論聚集現(xiàn)象,用戶(hù)評(píng)論行為的活躍性要高于提問(wèn)和回答的活躍性,用戶(hù)評(píng)論行為受到答案下早期評(píng)論的影響,根據(jù)是否具有直接的評(píng)論依據(jù)得到用戶(hù)評(píng)論分為具體評(píng)論和非具體評(píng)論、用戶(hù)評(píng)論的... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 研究現(xiàn)狀
        1.2.1 用戶(hù)評(píng)論行為分析現(xiàn)狀
        1.2.2 用戶(hù)評(píng)論自動(dòng)生成現(xiàn)狀
    1.3 本文主要的研究?jī)?nèi)容
    1.4 論文主要組織結(jié)構(gòu)
第2章 問(wèn)答社區(qū)中用戶(hù)評(píng)論分析
    2.1 問(wèn)答社區(qū)中數(shù)據(jù)分布情況
    2.2 問(wèn)答社區(qū)中用戶(hù)的參與情況
        2.2.1 用戶(hù)創(chuàng)作活躍度情況分析
        2.2.2 用戶(hù)非創(chuàng)作行為的社區(qū)參與情況分析
    2.3 問(wèn)答社區(qū)中用戶(hù)評(píng)論傾向性分析
        2.3.1 答案中影響用戶(hù)評(píng)論的因素
        2.3.2 用戶(hù)評(píng)論的話題分析
    2.4 問(wèn)答社區(qū)中用戶(hù)評(píng)論分析
        2.4.1 問(wèn)答社區(qū)中的用戶(hù)評(píng)論時(shí)間
        2.4.2 用戶(hù)評(píng)論的長(zhǎng)度分析
        2.4.3 用戶(hù)評(píng)論的方式分析
    2.5 本章小結(jié)
第3章 問(wèn)答社區(qū)中具體評(píng)論生成
    3.1 具體評(píng)論和非具體評(píng)論生成區(qū)別
    3.2 問(wèn)答社區(qū)中的評(píng)論點(diǎn)識(shí)別
        3.2.1 基于Bi DAF模型的評(píng)論點(diǎn)識(shí)別
        3.2.2 基于字重疊算法的評(píng)論點(diǎn)識(shí)別
        3.2.3 評(píng)論點(diǎn)識(shí)別實(shí)驗(yàn)結(jié)果與分析
    3.3 基于統(tǒng)計(jì)機(jī)器翻譯的具體評(píng)論生成
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集與實(shí)驗(yàn)設(shè)置
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 問(wèn)答社區(qū)中的非具體評(píng)論生成
    4.1 基于seq2seq模型的評(píng)論生成
    4.2 基于改進(jìn)的seq2seq模型的評(píng)論生成
        4.2.1 拷貝機(jī)制的引入
        4.2.2 問(wèn)題和答案的融合方法
    4.3 實(shí)驗(yàn)數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
    4.4 實(shí)驗(yàn)設(shè)置
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]微博網(wǎng)絡(luò)用戶(hù)的活躍性判定方法[J]. 仲兆滿(mǎn),戴紅偉,管燕.  中文信息學(xué)報(bào). 2018(09)
[2]基于優(yōu)先連接機(jī)制的微博用戶(hù)評(píng)論行為建模研究[J]. 易蘭麗,楊慧,閆強(qiáng).  情報(bào)雜志. 2018(06)
[3]一種基于混合粒度的微博用戶(hù)標(biāo)簽推薦模型[J]. 張瑞,金志剛,王穎.  計(jì)算機(jī)科學(xué). 2016(04)
[4]基于用戶(hù)行為特征的微博轉(zhuǎn)發(fā)預(yù)測(cè)研究[J]. 劉瑋,賀敏,王麗宏,劉悅,沈華偉,程學(xué)旗.  計(jì)算機(jī)學(xué)報(bào). 2016(10)
[5]基于關(guān)系圖特征的微博水軍發(fā)現(xiàn)方法[J]. 程曉濤,劉彩霞,劉樹(shù)新.  自動(dòng)化學(xué)報(bào). 2015(09)
[6]基于微博的產(chǎn)品評(píng)論挖掘:情感分析的方法[J]. 史偉,王洪偉,何紹義.  情報(bào)學(xué)報(bào). 2014 (12)
[7]基于用戶(hù)行為的微博用戶(hù)社會(huì)影響力分析[J]. 毛佳昕,劉奕群,張敏,馬少平.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[8]基于移動(dòng)互聯(lián)網(wǎng)日志的搜索引擎用戶(hù)行為研究[J]. 萬(wàn)飛,趙溪,梁循,潘登,倪志豪.  中文信息學(xué)報(bào). 2014(02)
[9]構(gòu)建微博用戶(hù)興趣模型的主題模型的分析[J]. 陳文濤,張小明,李舟軍.  計(jì)算機(jī)科學(xué). 2013(04)
[10]中文搜索引擎用戶(hù)行為的演化分析[J]. 馬少平,劉奕群,劉健,張敏,祝建華,茹立云.  中文信息學(xué)報(bào). 2011(06)



本文編號(hào)：3099123