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

1、隨著互聯(lián)網(wǎng)規(guī)模和重要性的不斷增長，在線商品評論的數(shù)量和影響日益劇增。在線商品評論通常是消費(fèi)者做購買產(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)民意信息的寶貴來源。挖掘在線商品評論所攜帶的情感信息，分析消費(fèi)者的情感傾向，對在線零售商和服務(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，需要利用自然語言處理的方式，處理評論文本。受限于語言的復(fù)雜多變，長期以來，自然語言處理都是一項(xiàng)十分艱難的任務(wù)，再加上在線商品評論中不可避免的包含垃圾評論，這便使得利用在線商品評論挖掘消費(fèi)者情感傾向性存在以下兩個(gè)需要解決的問題:
　　(1)垃圾評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，如何解決垃圾評論問題，減少垃圾評論對系統(tǒng)的影響，是傾向性分析所面臨的問題之一。
　　(2)針對在線商品評論復(fù)雜的語言現(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評論情感傾向性的影響，能否構(gòu)建一個(gè)合理的在線評論情感傾向性分析模型，是提高評論傾向性分析的關(guān)鍵所在。
　　本文針對上述問題，確立研究內(nèi)容。主要工作如下:
　　(1)針對垃圾評論影響傾向性分析的問題，本文提出了一種基于模型集成的產(chǎn)品垃圾評論識別方法。該方法利用評論內(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學(xué)習(xí)器，通過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)等初級學(xué)習(xí)器。該方法在2015年第七屆中文傾向性分析評測垃圾評論識別任務(wù)的所有模型中表現(xiàn)較好。
　　(2)針對在線產(chǎn)品評論的特點(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)練字級別詞向量，將字級別詞向量作為輸入，利用不同大小的卷積核抽取句子特征，最后利用softmax模型對在線商品評論進(jìn)行情感傾向性分類。實(shí)驗(yàn)表明，本文構(gòu)建的模型能夠較準(zhǔn)確的