基于情感分析的農(nóng)產(chǎn)品推薦系統(tǒng)研究
發(fā)布時(shí)間:2023-08-11 19:39
隨著互聯(lián)網(wǎng)的快速發(fā)展,越來(lái)越多的商品能夠?qū)崿F(xiàn)足不出戶就能買(mǎi)到,商品的賣(mài)家和種類也是很多。在琳瑯滿目的商品中,商品推薦起著越來(lái)越重要的作用。就種類繁多的農(nóng)產(chǎn)品而言,合適的推薦算法既能讓客戶對(duì)農(nóng)產(chǎn)品滿意,也能在電商領(lǐng)域緩解農(nóng)產(chǎn)品的滯銷(xiāo)問(wèn)題,繼而使得商戶與客戶達(dá)到“共贏”。本文主要從保質(zhì)期、情感分析、店鋪評(píng)分三個(gè)方面對(duì)農(nóng)產(chǎn)品推薦進(jìn)行研究。在保證商品“優(yōu)質(zhì)”的同時(shí),優(yōu)先推選短期農(nóng)產(chǎn)品,進(jìn)而減弱因農(nóng)產(chǎn)品銷(xiāo)售期短而產(chǎn)生的滯銷(xiāo)問(wèn)題。其中情感分析是通過(guò)經(jīng)SO-PMI演變后的PMI-VL算法計(jì)算出情感詞的情感值,然后將情感值帶入評(píng)論中,對(duì)農(nóng)產(chǎn)品評(píng)論情感進(jìn)行計(jì)算。保質(zhì)期作為推薦因素,將保質(zhì)期數(shù)據(jù)標(biāo)準(zhǔn)化處理后,保質(zhì)期天數(shù)越短,其標(biāo)準(zhǔn)化后數(shù)值越大。在推薦指標(biāo)推薦過(guò)程中,三個(gè)無(wú)結(jié)構(gòu)關(guān)聯(lián)推薦因素是通過(guò)層次分析法計(jì)算得到的權(quán)重。本文主要做的工作有以下幾個(gè)方面:1.通過(guò)python爬蟲(chóng),爬取天貓上農(nóng)產(chǎn)品相關(guān)信息,清洗數(shù)據(jù)。2.對(duì)評(píng)論數(shù)據(jù)進(jìn)行分詞和詞性標(biāo)注,提取與農(nóng)產(chǎn)品有關(guān)的評(píng)價(jià)對(duì)象和情感詞。3.運(yùn)用SO-PMI的演變算法PMI-Vl進(jìn)行情感值計(jì)算,計(jì)算領(lǐng)域情感詞的情感值。4.將三個(gè)無(wú)結(jié)構(gòu)關(guān)聯(lián)的推薦指標(biāo)用層次分析法進(jìn)行...
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.3 研究?jī)?nèi)容與實(shí)現(xiàn)技術(shù)路線
1.4 論文的組織框架
2 情感分析相關(guān)技術(shù)研究
2.1 中文分詞工具
2.1.1 結(jié)巴分詞
2.1.2 哈工大語(yǔ)言云分詞
2.1.3 Bosonnlp分詞
2.2 情感識(shí)別和情感詞典構(gòu)建
2.2.1 情感識(shí)別
2.2.2 情感詞典的構(gòu)建方法
2.3 權(quán)重確定的方法
2.3.1 變異系數(shù)法
2.3.2 層次分析法
2.3.3 熵權(quán)法
2.4 本章小結(jié)
3 推薦因素分析與數(shù)據(jù)采集處理
3.1 推薦因素選取
3.1.1 店鋪評(píng)分
3.1.2 評(píng)論情感
3.1.3 保質(zhì)期
3.2 采集數(shù)據(jù)的來(lái)源
3.3 數(shù)據(jù)采集方法與步驟
3.4 數(shù)據(jù)采集的結(jié)果
3.5 數(shù)據(jù)預(yù)處理
3.6 本章小結(jié)
4 情感分析
4.1 評(píng)價(jià)對(duì)象與情感詞的獲取
4.1.1 用戶評(píng)論分詞
4.1.2 詞語(yǔ)依存關(guān)系與詞性組合
4.1.3 評(píng)價(jià)對(duì)象與情感詞獲取方法與步驟
4.1.4 實(shí)驗(yàn)結(jié)果
4.2 農(nóng)產(chǎn)品用戶評(píng)論情感值計(jì)算
4.2.1 特殊復(fù)雜句
4.2.2 程度副詞情感分析
4.2.3 農(nóng)產(chǎn)品評(píng)論情感分值計(jì)算
4.3 本章小節(jié)
5 推薦指標(biāo)權(quán)重分析與實(shí)驗(yàn)結(jié)果分析
5.1 推薦指標(biāo)權(quán)重分析
5.1.1 層次分析法構(gòu)造指標(biāo)權(quán)重
5.2 推薦矩陣和權(quán)重矩陣構(gòu)建
5.2.1 推薦指標(biāo)數(shù)據(jù)規(guī)范化
5.2.2 推薦指標(biāo)和權(quán)重矩陣構(gòu)建
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
作者介紹
讀研期間參與的課題
本文編號(hào):3841636
【文章頁(yè)數(shù)】:50 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 研究現(xiàn)狀
1.3 研究?jī)?nèi)容與實(shí)現(xiàn)技術(shù)路線
1.4 論文的組織框架
2 情感分析相關(guān)技術(shù)研究
2.1 中文分詞工具
2.1.1 結(jié)巴分詞
2.1.2 哈工大語(yǔ)言云分詞
2.1.3 Bosonnlp分詞
2.2 情感識(shí)別和情感詞典構(gòu)建
2.2.1 情感識(shí)別
2.2.2 情感詞典的構(gòu)建方法
2.3 權(quán)重確定的方法
2.3.1 變異系數(shù)法
2.3.2 層次分析法
2.3.3 熵權(quán)法
2.4 本章小結(jié)
3 推薦因素分析與數(shù)據(jù)采集處理
3.1 推薦因素選取
3.1.1 店鋪評(píng)分
3.1.2 評(píng)論情感
3.1.3 保質(zhì)期
3.2 采集數(shù)據(jù)的來(lái)源
3.3 數(shù)據(jù)采集方法與步驟
3.4 數(shù)據(jù)采集的結(jié)果
3.5 數(shù)據(jù)預(yù)處理
3.6 本章小結(jié)
4 情感分析
4.1 評(píng)價(jià)對(duì)象與情感詞的獲取
4.1.1 用戶評(píng)論分詞
4.1.2 詞語(yǔ)依存關(guān)系與詞性組合
4.1.3 評(píng)價(jià)對(duì)象與情感詞獲取方法與步驟
4.1.4 實(shí)驗(yàn)結(jié)果
4.2 農(nóng)產(chǎn)品用戶評(píng)論情感值計(jì)算
4.2.1 特殊復(fù)雜句
4.2.2 程度副詞情感分析
4.2.3 農(nóng)產(chǎn)品評(píng)論情感分值計(jì)算
4.3 本章小節(jié)
5 推薦指標(biāo)權(quán)重分析與實(shí)驗(yàn)結(jié)果分析
5.1 推薦指標(biāo)權(quán)重分析
5.1.1 層次分析法構(gòu)造指標(biāo)權(quán)重
5.2 推薦矩陣和權(quán)重矩陣構(gòu)建
5.2.1 推薦指標(biāo)數(shù)據(jù)規(guī)范化
5.2.2 推薦指標(biāo)和權(quán)重矩陣構(gòu)建
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
6 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
作者介紹
讀研期間參與的課題
本文編號(hào):3841636
本文鏈接:http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/3841636.html
最近更新
教材專著