隨著互聯(lián)網(wǎng)的快速發(fā)展,在線購(gòu)物已逐漸成為人們?nèi)粘Ｉ钪凶畛Ｒ?jiàn)的購(gòu)物手段之一。在線購(gòu)物方便快捷、商品種類豐富,但是消費(fèi)者卻無(wú)法直觀地看到商品的真實(shí)屬性。為了能夠更多地了解商品的真實(shí)情況,消費(fèi)者在購(gòu)買商品之前,通過(guò)查看商品的在線評(píng)價(jià)信息,便可以方便地獲取指導(dǎo)性的傾向選擇,作為購(gòu)買決策的參考。然而,在線評(píng)價(jià)功能在給消費(fèi)者帶來(lái)便利的同時(shí),個(gè)別評(píng)論數(shù)據(jù)的質(zhì)量和準(zhǔn)確性也會(huì)對(duì)未來(lái)的潛在消費(fèi)者帶來(lái)誤判甚至誤導(dǎo),例如,因消費(fèi)者主觀差異性、商品信息不完善、商家的過(guò)度包裝等導(dǎo)致的非客觀評(píng)價(jià)。因此,獲取商品全面的、綜合的評(píng)價(jià)信息,將對(duì)消費(fèi)者有效鑒別商品質(zhì)量具有十分重要的意義。但是海量商品評(píng)價(jià)信息和消費(fèi)者的人工瀏覽分析能力之間存在著不可調(diào)和的矛盾,當(dāng)評(píng)價(jià)數(shù)據(jù)達(dá)到一定數(shù)量級(jí)時(shí),消費(fèi)者已經(jīng)很難人工地對(duì)數(shù)據(jù)進(jìn)行全面的獲取和分析。因此,開(kāi)發(fā)一個(gè)能夠自動(dòng)進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)分析、情感分析,給用戶提供實(shí)用性強(qiáng)、具有高參考價(jià)值數(shù)據(jù)的系統(tǒng),具有很高的實(shí)用意義和商業(yè)價(jià)值。本文中基于深度學(xué)習(xí)的商品評(píng)價(jià)數(shù)據(jù)分析系統(tǒng),具備數(shù)據(jù)采集、數(shù)據(jù)清洗、特征值提取、詞向量建模、深度學(xué)習(xí)模型訓(xùn)練實(shí)現(xiàn)數(shù)據(jù)情感分析等功能。通過(guò)本系統(tǒng),用戶僅需要選擇指定的...

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究及應(yīng)用現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 本文章節(jié)安排
第2章 系統(tǒng)關(guān)鍵技術(shù)介紹
    2.1 爬蟲(chóng)技術(shù)介紹
    2.2 分詞工具介紹
    2.3 深度學(xué)習(xí)介紹
        2.3.1 N-gram模型
        2.3.2 RNN循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.3 sigmoid信念網(wǎng)絡(luò)
第3章 定制化爬蟲(chóng)工具實(shí)現(xiàn)數(shù)據(jù)采集
    3.1 定制化爬蟲(chóng)工具的總體設(shè)計(jì)
        3.1.1 解析流程設(shè)計(jì)
        3.1.2 總體設(shè)計(jì)
    3.2 基于Beautiful Soup定制化爬蟲(chóng)工具實(shí)現(xiàn)數(shù)據(jù)采集
        3.2.1 參數(shù)化輸入實(shí)現(xiàn)多平臺(tái)兼容
        3.2.2 數(shù)據(jù)抓取及遍歷算法的應(yīng)用
        3.2.3 結(jié)構(gòu)化輸出及數(shù)據(jù)有效性
    3.3 結(jié)合selenium實(shí)現(xiàn)動(dòng)態(tài)加載數(shù)據(jù)的采集
    3.4 數(shù)據(jù)清洗和數(shù)據(jù)存儲(chǔ)
        3.4.1 清洗冗余數(shù)據(jù)
        3.4.2 數(shù)據(jù)序列化和反序列化
    3.5 本章小結(jié)
第4章 基于深度學(xué)習(xí)商品評(píng)價(jià)的建模與實(shí)現(xiàn)
    4.1 數(shù)據(jù)采集結(jié)果的特征詞提取
    4.2 語(yǔ)料庫(kù)的建立
    4.3 基于Word2Vec的詞向量建模
        4.3.1 CBOW和Skip-Gram模型的研究
        4.3.2 詞向量建模
    4.4 LSTM算法的研究與應(yīng)用
        4.4.1 LSTM算法的研究
        4.4.2 LSTM情感分析建模
    4.5 本章小結(jié)
第5章 數(shù)據(jù)可視化和系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)介紹
        5.1.1 功能介紹
        5.1.2 系統(tǒng)時(shí)序圖
        5.1.3 數(shù)據(jù)庫(kù)設(shè)計(jì)
    5.2 系統(tǒng)環(huán)境搭建
        5.2.1 硬件環(huán)境
        5.2.2 軟件環(huán)境
    5.3 系統(tǒng)展示
        5.3.1 登陸
        5.3.2 數(shù)據(jù)采集和分析
        5.3.3 數(shù)據(jù)分析結(jié)果的應(yīng)用
    5.4 本章小節(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3828386