面向产品评论的属性类别分类方法研究与实现.docx

目录中文摘要3Abstract3第一章绪论11.1研究背景11.2研究现状21.3经济意义21.4本文工作3（1）训练阶段3（2）测试阶段4第二章相关知识介绍42.1分词技术42.1.1关键问题52.1.2中文分词算法52.1.3结巴分词62.2特征提取62.2.1特征选择方法72.2.2文本向量化9I.向量空间模型（VSM）。9II.词嵌入（wordembedding）。92.3分类模型102.3.1CNN（卷积神经网络）模型102.3.2LSTM模型112.3.3支持向量机(SVM)13第三章语料143.1语料收集143.2语料处理工作153.3评价指标16第四章实现产品评论属性分类174.1产品评论分类研究意义184.2属性类别分类方法184.2.1Word2Vec训练词向量204.2.2基于LSTM的类别分类方法204.3实验参数设置及结果分析224.3.1实验参数设置224.3.2实验结果分析22第五章总结与改进235.1本文工作总结245.2改进工作24致谢254中文摘要情感分析和意见挖掘是分析人们的观点、情感、评价、态度的重要研究领域。它是自然语言处理领域中最活跃的研究领域之一，在数据挖掘、Web挖掘和文本挖掘中也得到了广泛的研究。事实上，由于它对商业和社会的重要性，这项研究已经在计算机科学之外扩展到管理科学和社会科学。情感分析的重要性与日俱增，与社交媒体如评论、论坛讨论、博客、微博、推特和社交网络的发展相一致。在人类历史上的第一次，我们现在有大量的以数字形式记录的有观点的数据进行分析。情感分析和特征抽取的系统在几乎所有的商业和社会领域都被应用，因为意见是几乎所有人类活动的中心，是我们行为的主要影响者。我们的信念和对现实的看法，以及我们做出的选择，很大程度上取决于别人如何看待和评价这个世界。因此，当我们需要作出决定时，我们往往会征求别人的意见。这不仅适用于个人，也适用于组织。所以说，挖掘研究产品评论的信息，对于整个社会来说，隐含着许多重要的经济价值。本文针对主要针对互联网上的的中文产品评论文本，对其进行属性类别进行分析，并根据已标注的样本，对产品评论属性与方向进行预测。主要是通过LSTM算法来实现。关键词：产品评论；LSTM；语料；属性分类AbstractEmotionalanalysisandopinionminingisanimportantresearchfieldtoanalyzepeople'sopinions,emotions,opinionsandattitudes.Itisoneofthemostactiveresearchfieldsinthefieldofnaturallanguageprocessingandhasbeenwidelystudiedindatamining,Webminingandtextmining.Infact,becauseofitsimportancetobusinessandsociety,thestudyhasexpandedbeyondcomputersciencetomanagementscienceandsocialscience.Thegrowingimportanceofemotionalanalysisisconsistentwiththedevelopmentofsocialmediasuchascomments,BBSdiscussions,blogs,tweets,tweets,andsocialnetworks.Forthefirsttimeinthehistoryofmankind,wenowhavealargenumberofdataintheformofadigitalformofdataanalysis.Theemotionalanalysissystemisusedinalmostallcommercialandsocialfields,becauseopinionisthecenterofalmostallhumanactivitiesandisthemaininfluenceofouractions.Ourbeliefsandperceptionsofreality,andthechoiceswemake,dependinlargepartonhowothersperceiveandevaluatetheworld.Therefore,whenweneedtomakeadecision,wetendtoseekadvicefromothers.Thisappliesnotonlytoindividualsbutalsotoorganizations.So,diggingupinformationaboutproductreview