版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、合肥工業(yè)大學碩士學位論文基于特征強化的中文產(chǎn)品評論挖掘研究姓名:史麗君申請學位級別:碩士專業(yè):計算機軟件與理論指導教師:胡學鋼201104IIIResearchonProductReviewsMininginChinesebasedonReinfcementofFeaturesAbstractWiththerapiddevelopmentoftheelectroniccommercebusinesstheincreaseofonline
2、shoppingcustomersonlineproductreviewsasawayofreflectisdramaticallyincreasing.Therefetheautomaticminingonthesereviewsisimptantfthepotentialcustomersmerchantsproductmanufacturersithasbecomethetrendtousethemachinelearningme
3、thodstominingthereviews.Howevertheshtlengthweaksignaltodescribetheacteristicsofreviewsmakesapplicationofmachinelearningmethodsdifficulttoapplyinproductreviewmining.MotivatedbythiswefocusonminingChineseproductreviewsbased
4、onReinfcementofFeaturesindocumentlevelsentimentclassificationfeaturebasedproductopinionmining.Themaincontentsareasfollows:Basedontheacteristicsthatfeatureinfmationofreviewisweakamethodbasedoncrelationfeatureswasintroduce
5、dtoanalysissentiment.InthismethodtoenhancethefeaturesofreviewsweusedthecrelationrulesbetweenfeatureitemswhichwereminedbyFPGrowthalgithm.FinallyIGfeatureionSVMclassifyalgithmwereusedtoclassifysentimentofreviews.Experiment
6、alresultsshowthattheproposedmethodperfmswellitsMicroF1MacroF1arehigherthanthoseoftraditionalapproach.Thenduetothatthereisnotenoughfeaturesinfmationaboutthosepairstraditionalsingleclassifierisnotsatisfied.Therefewederived
7、sententialinfmationasfeatureofpairsfromcontextbesidestraditionalfeaturessuchaslexicalpartofspeechsemanticpositionalfeatures.Besidesofusingthesefeaturesofpairswebuiltanensembleclassifierwithweightedvotingmechanismtoidenti
8、fythesubjectiverelationshipbetweenfeatureopinionpairs.ExtensivestudiesoncpusofbookphonereviewsinChinesedemonstratethattheintroductionofsententialfeaturecouldimprovetherecallrateofclassifieraweightedensembleclassifieralso
9、couldachievethehighervalueofFmeasurewiththetradeoffbetweentheaccuracyrecallrateofsubclassifiers.Basedonabovemethodsaproductreviewminingsystemisconstructedtoanalysisthereviewwebpagereviewtext.Keywds:productreviewminingopi
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征強化的中文產(chǎn)品評論挖掘研究.pdf
- 中文產(chǎn)品評論的意見挖掘研究.pdf
- 基于特征的產(chǎn)品評論挖掘關鍵問題研究.pdf
- 中文產(chǎn)品評論的意見挖掘研究碩士學位
- 中文產(chǎn)品評論挖掘關鍵技術研究.pdf
- 面向產(chǎn)品評論挖掘的特征粒度樹研究.pdf
- 基于情感詞的產(chǎn)品評論挖掘研究.pdf
- 基于屬性集合的產(chǎn)品評論挖掘研究.pdf
- 基于詞性與句法的產(chǎn)品評論特征及情感詞挖掘.pdf
- 基于語義分析的產(chǎn)品評論挖掘技術研究.pdf
- 基于Hownet的汽車領域產(chǎn)品評論挖掘方法研究.pdf
- 面向產(chǎn)品評論的觀點挖掘方法研究.pdf
- 基于句法樹模式的產(chǎn)品評論意見挖掘研究.pdf
- 基于意見挖掘的產(chǎn)品評論系統(tǒng)研究與實現(xiàn).pdf
- 基于多文檔摘要的產(chǎn)品評論挖掘技術研究.pdf
- 中文產(chǎn)品評論觀點抽取方法研究.pdf
- 基于詞向量和深度學習的產(chǎn)品評論觀點挖掘
- 基于Web的汽車產(chǎn)品評論觀點挖掘方法研究.pdf
- 基于觀點挖掘的網(wǎng)絡產(chǎn)品評論分析系統(tǒng).pdf
- 文本挖掘在產(chǎn)品評論中的研究與應用
評論
0/150
提交評論