隨著電子商務(wù)的快速發(fā)展,許多用戶習(xí)慣于在購(gòu)買商品后會(huì)做出評(píng)論,表達(dá)自己對(duì)商品的態(tài)度。這些評(píng)論文本包含了大量有價(jià)值的信息。消費(fèi)者可以通過(guò)評(píng)論文本了解商品的質(zhì)量,而商家可以根據(jù)用戶評(píng)論幫助其改進(jìn)產(chǎn)品,增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。目前,利用文本挖掘技術(shù)對(duì)用戶評(píng)論情感分析成為一個(gè)重要的研究方向。然而,現(xiàn)有的研究大多依據(jù)用戶評(píng)論中的情感詞計(jì)算文本整體的情感極性,分析粒度較粗,無(wú)法建立針對(duì)產(chǎn)品細(xì)粒度屬性的情感分析。本文提出了一種基于層次主題模型的商品評(píng)論細(xì)粒度分析方法,并以京東網(wǎng)站的用戶評(píng)論為例進(jìn)行分析。主要工作如下:首先,使用爬蟲從京東網(wǎng)站上獲得聯(lián)想小新系列筆記本電腦的用戶評(píng)論并對(duì)其進(jìn)行預(yù)處理。其次,實(shí)現(xiàn)產(chǎn)品屬性層次樹的構(gòu)建。針對(duì)爬取的用戶評(píng)論,基于h LDA建模得到評(píng)論文本層次主題樹。依據(jù)PMI算法,進(jìn)一步提煉出帶有權(quán)重的產(chǎn)品屬性層次樹。隨后,通過(guò)對(duì)句子結(jié)構(gòu)的剖析提取產(chǎn)品屬性所對(duì)應(yīng)的情感相關(guān)詞,并依據(jù)本研究所擴(kuò)充的情感詞典計(jì)算其情感得分。最后,構(gòu)建出產(chǎn)品評(píng)價(jià)體系,幫助產(chǎn)品開發(fā)者了解市場(chǎng)反饋與用戶需求。本文通過(guò)h LDA模型挖掘了用戶評(píng)論文本中消費(fèi)者重點(diǎn)關(guān)注的商品屬性,得出的如下結(jié)論:屏幕、外觀及性能的情...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1嵌套中國(guó)餐館過(guò)程圖

11本研究應(yīng)用hLDA進(jìn)行屬性的挖掘有以下兩個(gè)原因：一方面，這種文字內(nèi)部具有層次性的邏輯關(guān)系是符合人類語(yǔ)言文字認(rèn)知的，而hLDA可以完成主題間層次結(jié)構(gòu)的獲齲另一方面，hLDA仍然是依據(jù)詞語(yǔ)出現(xiàn)的頻率來(lái)幫助進(jìn)行文本信息挖掘。hLDA的應(yīng)用也進(jìn)一步推進(jìn)了文本數(shù)據(jù)挖掘領(lǐng)域的發(fā)展。其運(yùn)算....

圖2-2hLDA概率分布圖

12若每一個(gè)方形均代表著一家餐廳，并且這個(gè)餐廳里桌子服從阿爾法分布，每家餐廳都有不定數(shù)量且無(wú)窮多個(gè)桌子，每個(gè)桌子也唯一指向下一層的某家餐廳。假設(shè)某天，有五位客人來(lái)第一層的某家餐廳吃飯，1、3號(hào)客人坐在了同一張桌子，2、4號(hào)客人坐在了另一個(gè)桌子，而剩下的5號(hào)客人坐在第三個(gè)桌子上。之....

圖3-1構(gòu)建基于hLDA的產(chǎn)品評(píng)價(jià)體系的流程圖

16第3章基于hLDA的產(chǎn)品評(píng)價(jià)體系在產(chǎn)品屬性獲取的基礎(chǔ)方法上，本文使用層次主題模型來(lái)獲取產(chǎn)品屬性，并且針對(duì)單個(gè)產(chǎn)品屬性加入情感極性的計(jì)算，最終設(shè)計(jì)出了包含產(chǎn)品屬性與情感傾向兩大維度的商品評(píng)價(jià)體系�；趆LDA的產(chǎn)品評(píng)價(jià)體系構(gòu)建如圖3-1所示，包括數(shù)據(jù)獲取與處理、構(gòu)建評(píng)論主題層次....

圖3-2hLDA輸入文件圖

18頻次。在此基礎(chǔ)上，輸入hLDA的文件如圖3-2所示：圖3-2hLDA輸入文件圖3.1.2基于hLDA構(gòu)建評(píng)論層次主題樹預(yù)處理后的詞表文件輸入后，建模過(guò)程中需要關(guān)注如下幾點(diǎn)：（1）樹深度及迭代次數(shù)A:樹的深度K:所構(gòu)建的樹的深度，也指構(gòu)建的層次主題樹的深度K的數(shù)值大小，決定著層....

本文編號(hào)：3918724