收藏本站
收藏 | 论文排版

基于深度学习的服装商品评论细粒度情感分析

张彬彬  
【摘要】:在互联网时代,电子商务蓬勃发展,随之孕育而生的商品评论可以给商家和消费者带来不同的影响。对商家而言,根据消费者的反馈来改进和设计后续商品;对消费者而言,参考消费者的反馈从而购买到满意的商品。文本情感分析是研究商品评论常用的手段之一,根据分析对象级别的不同,可分为粗粒度情感分析和细粒度情感分析。相比于粗粒度商品评论情感分析而言,细粒度商品评论情感分析能够更加具体地了解商品的优缺点,为买家提供有力的参考依据,方便卖家在产品质量和造型方面进行改进,是现在文本分析的难点之一。细粒度商品评论情感分析的关键在于精准的抽取评价对象以及对其的相关描述,目前存在着低频评价对象提取率低和局部情感词发现困难等问题,本文提出了结合外部知识的服装商品评论中评价对象和情感词的抽取方法来解决上述问题。细粒度商品评论情感分析的重点在于对评价对象的相关描述进行情感分类,深度学习方法的情感分类效果好,但是难以有针对性的学习文本的深层特征。本文提出了基于多层特征融合的长短期记忆网络进行细粒度情感分析模型来解决上述问题。(1)本文提出了结合外部知识的服装商品评论中评价对象——情感词的关联组合抽取方法。引入评价对象的概念层次树将服装设计细划为造型、材质、色彩和做工等中层评价对象和修身、性感、弹性、质感、手艺等207个底层评价对象,用中文近义词工具包Synonyms对中层和底层评价对象进行扩展,组建了四个中层评价对象词典;鉴于不同年龄段、不同季节和不同性别的消费者对服装需求存在差异,同一个情感词可能会表现出多种情感极性,故在构建领域情感词典外引入多极性情感词典。按照标点符号把商品评论拆分成若干短句,使用词性规则、依存句法和特征词典来抽取短句中存在的评价对象和情感词,采用经典的关联组合来刻画它们之间的关联关系。在服装商品评论数据集上进行了验证,结果表明对评价对象和情感词抽取的整体准确率能达到89.2%。(2)本文提出了基于多层特征融合的长短期记忆网络细粒度情感分析MLFF-Bi LSTM(Bi LSTM Based on Multi-level Features Fusion)模型,通过深度学习方法学习服装商品评论的深层特征,深层特征由情感极性特征和上下文语义特征组成。(1)本文认为评论文本的情感极性不仅与情感词有关,还与评价对象有关,分别从评价对象和情感词两个方面进行抽取。基于评价对象的情感极性特征抽取是将评论文本的句向量送入双向长短期记忆网络中学习特征,结合关联组合中评价对象的词向量获取注意力权重进行特征筛选;基于情感词的情感极性特征抽取是将关联组合中的否定词、程度副词和情感词的词向量进行拼接构建输入向量,送入双向长短期记忆网络学习特征,再通过最大池化构建注意力机制来筛选出重要特征。(2)上下文语义特征抽取:将评论的句向量以及评价对象、程度副词、否定词和情感词组成的组合向量进行拼接,送入双向长短期记忆网络学习,并通过平均池化构建注意机制筛选出对应的整体特征。该模型通过Bert(Bidirectional Encoder Representation from Transformers)模型对评论文本进行向量化表示,再结合外部知识抽取服装商品评论文本的关联组合表示,结合Bert向量和关联组合表示使用双向长短期记忆网络和注意力机制学习文本的深层特征,将学习到的深层特征融合完成情感分析任务。在本文构建的服装商品评论数据集上进行了验证,结果表明本文提出的MLFF-Bi LSTM能充分地学习评论文本中的情感极性特征和上下文语义特征,实验效果比传统CNN和LSTM模型取得了更好的效果,提升了情感分类效果和模型的可解释性。


知网文化
【相似文献】
中国期刊全文数据库 前12条
1 万岩;杜振中;;融合情感词典和语义规则的微博评论细粒度情感分析[J];情报探索;2020年11期
2 黄高峰;周学广;李娟;刘华;;具有权重因子的细粒度情感词库构建方法[J];计算机工程;2014年11期
3 周清清;章成志;;基于多层次细粒度评论挖掘的图书影响力评价研究[J];图书与情报;2020年06期
4 敦欣卉;张云秋;杨铠西;;基于微博的细粒度情感分析[J];数据分析与知识发现;2017年07期
5 冯仓龙;白宇;蔡东风;;面向商品评价的情感要素抽取[J];沈阳航空航天大学学报;2016年06期
6 王海燕;陶皖;余玲艳;王鸣鹃;;文本细粒度情感分析综述[J];河南科技学院学报(自然科学版);2021年04期
7 徐勇;武雅利;李东勤;赵涛;焦梦蕾;;用户生成内容研究进展综述[J];现代情报;2018年11期
8 徐德华;张未央;;基于深度记忆网络的在线评论细粒度情感分类[J];电子制作;2020年01期
9 马海;马力;;基于词典的中文微博情感细粒度分析研究[J];计算机与数字工程;2020年10期
10 宋凤义;胡太;杨明;;基于外观的复合属性学习的细粒度识别[J];数据采集与处理;2016年06期
11 陈自岩;黄宇;王洋;傅兴玉;付琨;;一种利用语义相似特征提升细粒度情感分析方法[J];计算机应用与软件;2017年03期
12 张洁;董辉;;普适环境中细粒度可信管理框架的研究[J];测控技术;2017年05期
中国重要会议论文全文数据库 前13条
1 李小庆;曾庆凯;;细粒度可信恢复文件系统[A];2011年全国通信安全学术会议论文集[C];2011年
2 孙慧;关毅;董喜双;;中文情感词倾向消歧[A];第六届全国信息检索学术会议论文集[C];2010年
3 刘萍萍;张震;陆勤;韩布新;;2061个四字情感词库:基于青年人和老年人的评价[A];第二十一届全国心理学学术会议摘要集[C];2018年
4 陈奇哲;刘全升;姚天昉;;汉语意见型语句主题与情感关系抽取的研究[A];第五届全国信息检索学术会议论文集[C];2009年
5 万融;;浅析纺织服装商品质量及其管理认证标准的国际发展趋势[A];中国商品学会2007年年会论文集[C];2008年
6 刘鸿宇;赵妍妍;秦兵;刘挺;;评价对象抽取及其倾向性分析[A];中国计算机语言学研究前沿进展(2007-2009)[C];2009年
7 刘电霆;周德俭;余强;;虚拟企业中细粒度协同设计任务的不确定调度及GA求解[A];先进制造技术高层论坛暨第六届制造业自动化与信息化技术研讨会论文集[C];2007年
8 叶蕴芳;杨榆;罗鑫;徐国爱;;Appfuse系统中细粒度权限控制的研究与实现[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
9 曹建平;曾柯;王晖;程佳军;乔凤才;;基于Web的交通情感分析方法和应用[A];2013第一届中国指挥控制大会论文集[C];2013年
10 朱虹;舒鹏;;扩展SQL实现DBMS细粒度访问控制[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
11 郭磊;唐玉华;周杰;董亚卓;;基于FPGA的Cholesky分解细粒度并行结构与实现[A];2010年第16届全国信息存储技术大会(IST2010)论文集[C];2010年
12 吴舜;苏丹;吴佳;李坤;许大卫;刘昀;魏征;;基于Tilera平台的网络细粒度应用行为识别系统[A];2013电力行业信息化年会论文集[C];2013年
13 李祖德;占国强;叶晓俊;;FG-RBAC:基于RBAC的FGAC模型实现[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
中国博士学位论文全文数据库 前20条
1 余少勇;基于深度学习的车辆检测及其细粒度分类关键技术研究[D];厦门大学;2017年
2 赵毅力;基于深度学习的云南野生鸟类图像细粒度识别[D];云南大学;2018年
3 庞程;基于部件的图像细粒度视觉分析方法研究[D];哈尔滨工业大学;2018年
4 韩婷婷;视频理解中人体动作的细粒度表示与应用[D];哈尔滨工业大学;2019年
5 杨骏;细粒度文本情感分析问题研究[D];南京大学;2019年
6 赵波;细粒度图像分类、分割、生成与检索关键技术研究[D];西南交通大学;2017年
7 洪佳楠;半可信云中基于属性加密扩展的访问控制研究[D];中国科学技术大学;2018年
8 魏秀参;深度学习下细粒度级别图像的视觉分析研究[D];南京大学;2018年
9 曾宪贤;深度学习下细粒度特征分析研究[D];广东工业大学;2020年
10 时杰;关系数据库细粒度访问控制研究[D];华中科技大学;2010年
11 黄胜;Web评论文本的细粒度意见挖掘技术研究[D];北京理工大学;2014年
12 施寒潇;细粒度情感分析研究[D];苏州大学;2013年
13 闵少波;弱监督细粒度图像识别技术研究[D];中国科学技术大学;2021年
14 江腾蛟;基于句法和语义挖掘的Web金融评论情感分析[D];江西财经大学;2015年
15 王鸽;中文产品评论的情感分析与观点识别技术的研究[D];山东科技大学;2018年
16 刘传彬;细粒度图像识别关键技术研究[D];中国科学技术大学;2021年
17 朱倩;面向自由文本的细粒度关系抽取的关键技术研究[D];江苏大学;2011年
18 游静;细粒度软件抗衰策略及相关技术研究[D];南京理工大学;2006年
19 纪雪梅;特定事件情境下中文微博用户情感挖掘与传播研究[D];南开大学;2014年
20 李方涛;基于产品评论的情感分析研究[D];清华大学;2011年
中国硕士学位论文全文数据库 前20条
1 张彬彬;基于深度学习的服装商品评论细粒度情感分析[D];江西财经大学;2021年
2 赵黎光;基于依存句法的句子级细粒度情感计算[D];华南理工大学;2015年
3 杜振雷;面向微博短文本的情感分析研究[D];北京信息科技大学;2013年
4 张玉婷;基于商品评论的情感分析方法研究[D];哈尔滨工程大学;2017年
5 刘青峰;面向用户评论的商品评估系统的设计与实现[D];北京邮电大学;2020年
6 李春江;基于商品评论的细粒度情感分析研究与实现[D];重庆邮电大学;2020年
7 翟夏普;本体和深度学习融合的细粒度情感分析[D];武汉大学;2020年
8 曹子旋;基于深度迁移学习的跨领域细粒度情感分析[D];广东外语外贸大学;2020年
9 姚奥;基于细粒度观点挖掘的个性化推荐方法研究[D];浙江理工大学;2017年
10 张津;基于学生评教文本的细粒度情感分析研究[D];华南理工大学;2020年
11 张玥;面向产品评价的细粒度情感分析技术研究[D];哈尔滨工业大学;2013年
12 梅雪琦;面向商品评论的情感分析分类研究[D];合肥工业大学;2012年
13 吴建华;基于深度学习的细粒度情感分析研究[D];贵州大学;2020年
14 孙浩;商品评论的细粒度情感分析研究[D];西北民族大学;2021年
15 邵兴林;基于深度学习的细粒度情感分析[D];北京邮电大学;2020年
16 唐康;基于深度学习的电商评论细粒度情感分析研究[D];昆明理工大学;2019年
17 张磊;细粒度意见挖掘研究[D];南京师范大学;2016年
18 姚一泽;基于深度学习的细粒度用户评论情感分析研究[D];西安电子科技大学;2020年
19 陈积源;电商评论的细粒度情感分析的设计与实现[D];北京邮电大学;2020年
20 陈泓;基于潜在属性字典学习的零样本细粒度目标分类[D];厦门大学;2019年
中国重要报纸全文数据库 前9条
1 ;修正SDH:承载细粒度IP业务[N];中国计算机报;2002年
2 本报记者 刘叶琳;服装商品火舞金秋[N];国际商报;2010年
3 徐诚;中国对美出口增势不减[N];中国纺织报;2002年
4 记者 李研;商家备战秋冬服装商品忙[N];中俄经贸时报;2008年
5 ;细粒度的访问控制和日志管理[N];中国计算机报;2003年
6 中纺;日本 服装商品 困境中求变[N];经理日报;2009年
7 撰稿 本报记者 刘叶琳;服装迎来销售旺季[N];国际商报;2015年
8 韩波;东宁口岸:鞋类和服装商品出口增幅明显[N];远东经贸导报;2010年
9 徐诚;中国输美纺织品增长迅猛 美商务部欲采取设限措施[N];中国纺织报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978