面向产品评论的属性类别分类方法研究与实现.docxVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 目录 中文摘要 3 Abstract 3 第一章 绪论 1 1.1研究背景 1 1.2研究现状 2 1.3经济意义 2 1.4 本文工作 3 （1） 训练阶段 3 （2） 测试阶段 4 第二章 相关知识介绍 4 2.1分词技术 4 2.1.1关键问题 5 2.1.2中文分词算法 5 2.1.3结巴分词 6 2.2 特征提取 6 2.2.1 特征选择方法 7 2.2.2 文本向量化 9 I.向量空间模型（VSM）。 9 II.词嵌入（word embedding）。 9 2.3分类模型 10 2.3.1 CNN（卷积神经网络）模型 10 2.3.2 LSTM模型 11 2.3.3支持向量机(SVM) 13 第三章 语料 14 3.1 语料收集 14 3.2 语料处理工作 15 3.3评价指标 16 第四章 实现产品评论属性分类 17 4.1 产品评论分类研究意义 18 4.2属性类别分类方法 18 4.2.1 Word2Vec训练词向量 20 4.2.2 基于LSTM的类别分类方法 20 4.3 实验参数设置及结果分析 22 4.3.1 实验参数设置 22 4.3.2 实验结果分析 22 第五章 总结与改进 23 5.1 本文工作总结 24 5.2 改进工作 24 致谢 25 精心整理 仅供参考 勿用作商业用途 中文摘要 情感分析和意见挖掘是分析人们的观点、情感、评价、态度的重要研究领域。它是自然语言处理领域中最活跃的研究领域之一，在数据挖掘、Web挖掘和文本挖掘中也得到了广泛的研究。事实上，由于它对商业和社会的重要性，这项研究已经在计算机科学之外扩展到管理科学和社会科学。情感分析的重要性与日俱增，与社交媒体如评论、论坛讨论、博客、微博、推特和社交网络的发展相一致。在人类历史上的第一次，我们现在有大量的以数字形式记录的有观点的数据进行分析。 情感分析和特征抽取的系统在几乎所有的商业和社会领域都被应用，因为意见是几乎所有人类活动的中心，是我们行为的主要影响者。我们的信念和对现实的看法，以及我们做出的选择，很大程度上取决于别人如何看待和评价这个世界。因此，当我们需要作出决定时，我们往往会征求别人的意见。这不仅适用于个人，也适用于组织。所以说，挖掘研究产品评论的信息，对于整个社会来说，隐含着许多重要的经济价值。 本文针对主要针对互联网上的的中文产品评论文本，对其进行属性类别进行分析，并根据已标注的样本，对产品评论属性与方向进行预测。主要是通过LSTM算法来实现。 关键词：产品评论；LSTM；语料；属性分类 Abstract Emotional analysis and opinion mining is an important research field to analyze peoples opinions, emotions, opinions and attitudes. It is one of the most active research fields in the field of natural language processing and has been widely studied in data mining, Web mining and text mining. In fact, because of its importance to business and society, the study has expanded beyond computer science to management science and social science. The growing importance of emotional analysis is consistent with the development of social media such as comments, BBS discussions, blogs, tweets, tweets, and social networks. For the first time in the history of mankind, we now have a large number of data in the form of a digital form of data analysis. The emotional analysis system is used in almost