【摘 要】
：
随着电商行业的迅猛发展,电商评论文本数据呈爆炸式增长。电商评论文本是用户用来表达个人对电商商品的情感文本,包含着用户对评论对象的情感信息,具有数量多,文本短小,表达的情感丰富等特点,是电商平台、商家和潜在用户决策的重要依据。因此,如何高效科学地从海量电商评价文本准确挖掘并能反映用户情感倾向的信息,已经成为电商平台、用户和商家科学决策亟待解决的问题。传统基于词典的评论文本情感分析受制于情感词典的质量
论文部分内容阅读
随着电商行业的迅猛发展,电商评论文本数据呈爆炸式增长。电商评论文本是用户用来表达个人对电商商品的情感文本,包含着用户对评论对象的情感信息,具有数量多,文本短小,表达的情感丰富等特点,是电商平台、商家和潜在用户决策的重要依据。因此,如何高效科学地从海量电商评价文本准确挖掘并能反映用户情感倾向的信息,已经成为电商平台、用户和商家科学决策亟待解决的问题。传统基于词典的评论文本情感分析受制于情感词典的质量与覆盖度,而基于机器学习的情感分析模型训练则依赖于标注数据集的质量,因此,传统的基于词典和机器学习的情感分析方法已经不能满足海量评论文本情感分析的需求。基于此,本文从整体情感和细粒度情感两个角度提出了两种电商评论文本情感分析模型。（1）基于双通道的电商评论文本情感分析BSC-CNN模型针对电商评论文本的情感特征提取不准确问题,依据深度学习模型能有效提取评论文本特征,本文新建了基于双通道的电商评论文本情感分析模型,基于深度学习构造设计Bi-LSTM-SCNN通道和CNN通道,将输入的情感词向量文本分别通过Bi-LSTM-SCNN和CNN两通道后融合成双通道BSC-CNN模型输出,实现电商评论情感特征提取和学习,完成情感倾向分类,对比实验证实了新建的BSC-CNN模型的有效性。（2）基于用户和商品两维度的电商评论文本情感分析Bi-ALSTM-CNN-LRAF模型针对用户和商品关系的这一类细粒度电商文本情感分析问题,本文构建了基于用户和商品两维度的细粒度电商评论文本情感分析模型,将评论文本数据集分为用户数据集、商品数据集和评论文本数据集;将评论文本情感词向量作为文本的输入,基于用户和商品双通道构造了Bi-ALSTM通道和CNN-LRAF通道,将输入的评论文本情感词向量文本分别经过Bi-ALSTM通道和CNN-LRAF两通道,得到的商品与评论文本的相关性特征向量和用户与评论文本的相关性特征向量,两通道得到的特征向量融合作为Bi-ALSTM-CNN-LRAF模型的输出,实现电商细粒度情感分析特征提取和融合,完成情感分析,对比实验证实了新建的Bi-ALSTM-CNN-LRAF模型的有效性。
其他文献
机器学习近几十年来一直是人工智能的一个热门领域,基于机器学习的图像生成和分类算法也得到了广泛的应用。随着大数据时代数据规模的爆炸式增长,机器学习算法所需要的计算资源也越来越多,而计算机性能的提高却即将遇到瓶颈。与经典计算相比,量子计算有着潜在的指数级优势,是有望突破计算性能瓶颈的重要方向。因此,将机器学习与量子计算相结合是使机器学习适应大数据时代的一个有效途径。将机器学习中的生成对抗网络算法或卷积
穿墙雷达凭借其穿透非金属建筑材料的能力,可在非接触和非破坏性的条件下实现对墙后或封闭室内隐蔽目标的探测、定位及成像,广泛用于民用及军事等领域。然而,墙体反射所产生的强杂波会掩盖墙后目标的反射信号,影响目标成像精度和检测性能,此外现有的穿墙雷达成像方法在模型建立和优化求解过程中存在计算代价高、人工干预过多以及成像精度低等问题。因此本文将雷达稀疏成像的优化求解策略展开到深度网络结构中,采用端到端学习策
无人机（Unmanned Aerial Vehicle,UAV）技术发展迅速,其应用成本也在不断降低,在无线通信领域,无人机可搭载多种通信设备如小基站、传感器、接收机等形成无人机通信,是新一代空天地一体化通信的重要组成部分。无人机通信具有可在空中灵活部署,3D可移动性,飞行高度足够高且与地面节点产生更高概率的视距（Line of Sight,Lo S）链路等优势,因此无人机通信已经成为当前的研究热
电磁逆散射问题研究的是根据测量到的散射场重构成像空间内介质目标的几何信息和电性能参数的空间分布。由于其固有的非线性和病态性,且随着对比度的升高和信噪比的降低其非线性和病态性显著增强,导致了求解电磁逆散射问题成为了挑战。传统优化方法可以很容易将逆散射领域知识纳入其中,并通过最小化目标函数来解决计算数据与测量数据之间的不匹配问题,进而迭代地获得良好的重构结果。然而,由于非线性迭代本质,该方法存在如何选
腔光力学的发展伴随着物理学和信息学的进步,作为量子力学重要组成部分的腔光力学是研究光力相互作用的有效平台,腔光力学在基础物理研究、量子信息学等领域都有着广泛的应用前景,然而以上的应用都有着一个重要的前提是需要机械振子处于量子基态。随着材料科学和纳米技术快速发展,许多具有高品质因子的腔光力学系统不断被提出,但依然存在着一些限制。例如系统固然存在的内部耗散、耦合环境热库的热噪声以及量子反作用力引起的系
无人机作为中继辅助无线通信已广泛应用于各类覆盖增强场景,由于无线通信自身的广播特性,信息在传播过程中会面临窃听、篡改等威胁。与传统的密码学方案相比,低复杂度的物理层安全（Physical Layer Security,PLS）技术在无线通信领域受到了更为广泛的关注。针对无人机中继网络,现有的物理层安全研究主要是降低外部窃听者的窃听速率。实际上,无人机中继网络通常是异构网络,无人机与原有的用户终端在
滑坡预测与预防是一个世界性的难题,近十几年来,随着人工智能的快速崛起,机器学习已被广泛应用于滑坡易发性预测。但是由于滑坡特征通常不相关或非线性相关,以及传统机器学习模型存在泛化能力弱、特征提取不充分等问题,导致基于机器学习的滑坡易发性预测模型存在一定的局限性。深度学习凭借其学习能力强、覆盖范围广、适应性好等特点已被广泛应用于智慧医疗、智慧城市、智慧交通、网络安全等诸多领域。本文提出了基于长短时记忆
旋转机械是工业设备中的核心组件,而滚动轴承是旋转机械中最为常见的关键运动部件,滚动轴承故障轻则影响正常生产,重则产生重大生产安全事故。因此及时、准确地进行滚动轴承故障诊断具有重要意义。本文以滚动轴承为研究对象,针对基于波形的卷积神经网络（Convolutional neural network,CNN）特征提取效果不佳和训练耗时过长的问题,提出了基于小波核卷积神经网络-极限学习机（Wavelets
单像素成像是一种基于压缩感知理论的计算成像方法,因其具有灵敏度高,信噪比大等优良特性,被广泛应用于荧光显微、光谱成像和生物医学成像等多个领域。将光子计数技术与单像素成像技术结合,能够实现更高灵敏度、低成本的单光子压缩成像。用于单光子压缩成像的传统图像压缩重建算法往往具有极高的计算复杂度,且在微弱光环境下,噪声的存在会带来图像重建质量的大幅度下降,而将深度学习与单光子压缩成像相结合是解决这一问题的有
发生交通事故或车辆行驶途中发生故障时,通常需要在事故车辆后方的一定距离摆放三角警示牌,用于提醒后方车辆小心驾驶,避免后方车辆反应不及时引发二次交通事故。但三角警示牌存在许多不尽人意的地方,比如:晚上可视距离太短、易被大风刮走、摆放过程中有发生二次事故的危险等。设计研制新的警示机器人取代三角警示牌,对于保证车辆交通安全具有重要意义。论文提出了一种解决方案,研发了一种基于物联网的交通警示机器人系统,与