面向汽車在線評論的情感分類研究與應用.pdf

1、縱觀Web2.0世界,用戶原創(chuàng)內容(UGC,user-generatedcontent)吸引了眾多數(shù)據(jù)挖掘領域學者的目光,獲取、跟蹤并最大化利用這些用戶原創(chuàng)內容也逐漸變成企業(yè)相關部門的一項任務。隨著互聯(lián)網技術的普及,與過去的十幾年相比,對投放的產品和服務獲取市場反饋越來越容易,越來越多的企業(yè)通過在線評論,獲取市場反饋情報。因此,在線評論不僅是消費者購買決策的重要依據(jù),同時也為企業(yè)所用,輔助與支持決策。進而如何提高UGC的投資回報率,使得

2、工作更有效率,是每個企業(yè)關注的。汽車作為一種高價、不常購買的商品,比較而言消費者會傾向于把更真實的感觀發(fā)布到網上,因而高效的識別出消費者對汽車的評論情感傾向并提煉出關鍵性的問題,對汽車企業(yè)有很大的應用意義。
　　本文旨在探究情感分類模型在汽車領域在線評論的效果,找出適合汽車在線評論的情感分類方法,編寫汽車評論情感挖掘系統(tǒng)。首先,論文對國內外文本情感分類模型的研究現(xiàn)狀做了系統(tǒng)性地總結,并歸納出三個主要的文本情感分類算法,樸素貝葉斯(

3、NaveBayes)、支持向量機(SVM)、決策樹C4.5(J48);本文為研究這三種算法對汽車評論情感分類的優(yōu)劣,在論文實驗部分抓取兩個來源的汽車在線評論數(shù)據(jù),將大量數(shù)據(jù)規(guī)范化預處理,導入情感分類模型,對三個算法的分類性能進行比較,最后利用調試出的最優(yōu)模型對測試樣本進行分類,編寫汽車評論情感挖掘系統(tǒng)。
　　本研究可以高效地從海量評論中獲得民眾對于某一產品或服務的某些特征的正負面評價。在技術導向上,本文在基于機器語言的中文文本情感