基于Text-CNN和LSTM的出境游评论文本分析.pdf

基于Text-CNN 和LSTM 的出境游评论文本分析 摘 要 随着人民的生活水平快速提升，旅游这一行为方式已然变成生活中不可或缺 的放松途径，越来越多的人喜欢出境游，并不满足于国内游。同时伴随电商的飞 速发展，越来越多的消费都在网上进行。一方面从潜在的消费者角度看，人们通 过网络上的评论信息，可以对自己想要购买的产品有一个大致的了解，还可以根 据其他已经购入该产品的用户所留下的评价做出决策。另一方面从商家的角度 看，可以通过消费者所留下的评论信息进一步了解到这一群体对所购买的产品是 否满意，或者是购买过程中的体验，商家可以根据以上反馈作出相应的调整以提 升口碑或者收益。 本文集中阐述了文本分析相关理论基础，围绕主题挖掘和情感分类展开详尽 的描述，对马蜂窝在线旅游网站的出境游评论文本进行相应的预处理和向量化， 剖析了文本表示的三种方法，就出境游评论主题挖掘得到的主题进行相应的分析 及讨论，并进一步的运用朴素贝叶斯、支持向量机、逻辑回归等机器学习模型以 及Text-CNN 、LSTM 两个深度学习模型分别进行了情感分类实证分析，最终进 行模型对比以及针对以上分析给出相关的结论和建议。 本文共五部分：第一部分主要阐述研究背景与意义、国内外文献综述、研究 内容等，为全文提供一个基本思路。第二部分介绍了文本的数据来源、对文本进 行清洗，同时引出了文本分析的基础理论，其中包括中文分词、LDA 主题挖掘 和词向量化，并主题特征提取结果进行分析和对清洗后的文本进行了预训练。第 三部分分别利用TF-IDF 和Word2vec 两种文本向量化技术对分词后的文本进行 特征提取，而后引出朴素贝叶斯、支持向量机和逻辑回归三个经典的用于文本分 类的模型，在出境游评论文本上对比这三个模型的分类效果。第四部分引出了图 像领域和语音领域常用的卷积神经网络和循环神经网络，并对二者改进后的模型 Text-CNN 和LSTM 应用到文本领域，输入层分别使用Word2vec 和Glove 训练 的词向量，对出境游评论文本进行情感分类研究，并与第三部分的机器学习模型 进行了对比，最终得出Text-CNN 和LSTM 这两个深层神经网络结构模型显著优 于传统的浅层的机器学习模型，支持向量机最高的准确率为82.87% ，LSTM 最 高的准确率为84.49% 。第五部分为结论与建议，总结此次出境游评论文本分析 相关结论并提出针对性的建议。 关键词：LDA 主题模型；Text-CNN ；LSTM 模型；情感分析；出境游 1 基于Text-CNN 和LSTM 的出境游评论文本分析 Abstract With the rapid improvement of people's living standards, the behavior of tourism has become an indispensable way to relax in life. More and more people like to travel abroad and are not satisfied with domestic tourism. At the same time, with the rapid development of e-commerce, more and more consumption is being carried out online. On the one hand, from the perspective of potential consumers, people can have a general understanding of the products they want to buy through the comments on the Internet, and can also make recommendations based on the evaluations of other users who have already purchased the products. decision making. On the other hand, from th