基于卷積神經(jīng)網(wǎng)絡(luò)的在線商品評(píng)論情感傾向性研究.pdf

1、隨著互聯(lián)網(wǎng)規(guī)模和重要性的不斷增長(zhǎng)，在線商品評(píng)論的數(shù)量和影響日益劇增。在線商品評(píng)論通常是消費(fèi)者做購(gòu)買(mǎi)產(chǎn)品或服務(wù)的決策時(shí)十分重要的影響因素，也是確定這些產(chǎn)品或服務(wù)民意信息的寶貴來(lái)源。挖掘在線商品評(píng)論所攜帶的情感信息，分析消費(fèi)者的情感傾向，對(duì)在線零售商和服務(wù)提供商均有著重要的意義。
　　由于研究人員在情感傾向性分析領(lǐng)域孜孜不倦的努力，迄今為止，情感傾向性研究取得了較大的進(jìn)展。在線商品評(píng)論中蘊(yùn)含著消費(fèi)者的主觀情感信息，為了獲取消費(fèi)者的情感

2、傾向性，需要利用自然語(yǔ)言處理的方式，處理評(píng)論文本。受限于語(yǔ)言的復(fù)雜多變，長(zhǎng)期以來(lái)，自然語(yǔ)言處理都是一項(xiàng)十分艱難的任務(wù)，再加上在線商品評(píng)論中不可避免的包含垃圾評(píng)論，這便使得利用在線商品評(píng)論挖掘消費(fèi)者情感傾向性存在以下兩個(gè)需要解決的問(wèn)題:
　　(1)垃圾評(píng)論在一定程度上誤導(dǎo)了觀點(diǎn)挖掘系統(tǒng)，降低了系統(tǒng)的精度，如何解決垃圾評(píng)論問(wèn)題，減少垃圾評(píng)論對(duì)系統(tǒng)的影響，是傾向性分析所面臨的問(wèn)題之一。
　　(2)針對(duì)在線商品評(píng)論復(fù)雜的語(yǔ)言現(xiàn)象，如

3、何捕捉新詞、否定詞、比較詞、不同情感傾向性的情感詞對(duì)評(píng)論情感傾向性的影響，能否構(gòu)建一個(gè)合理的在線評(píng)論情感傾向性分析模型，是提高評(píng)論傾向性分析的關(guān)鍵所在。
　　本文針對(duì)上述問(wèn)題，確立研究?jī)?nèi)容。主要工作如下:
　　(1)針對(duì)垃圾評(píng)論影響傾向性分析的問(wèn)題，本文提出了一種基于模型集成的產(chǎn)品垃圾評(píng)論識(shí)別方法。該方法利用評(píng)論內(nèi)容和統(tǒng)計(jì)信息構(gòu)造特征向量，將邏輯斯蒂回歸作為次級(jí)學(xué)習(xí)器，通過(guò)stacking的方式集成了邏輯斯蒂回歸、支持向量機(jī)

4、、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等初級(jí)學(xué)習(xí)器。該方法在2015年第七屆中文傾向性分析評(píng)測(cè)垃圾評(píng)論識(shí)別任務(wù)的所有模型中表現(xiàn)較好。
　　(2)針對(duì)在線產(chǎn)品評(píng)論的特點(diǎn)，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的產(chǎn)品評(píng)論情感傾向性分析方法。該方法以單個(gè)字為基本單位，利用worde2vec工具訓(xùn)練字級(jí)別詞向量，將字級(jí)別詞向量作為輸入，利用不同大小的卷積核抽取句子特征，最后利用softmax模型對(duì)在線商品評(píng)論進(jìn)行情感傾向性分類(lèi)。實(shí)驗(yàn)表明，本文構(gòu)建的模型能夠較準(zhǔn)確的