基于卷积神经网络的在线商品评论情感倾向性研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 垃圾评论识别 | 第10-12页 |
| 1.2.2 情感倾向性分析 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 本文结构 | 第14-15页 |
| 2 相关技术 | 第15-26页 |
| 2.1 集成学习 | 第15-18页 |
| 2.1.1 简介 | 第15-16页 |
| 2.1.2 结合策略 | 第16-18页 |
| 2.2 二项逻辑斯蒂回归 | 第18-19页 |
| 2.3 随机森林 | 第19-20页 |
| 2.4 支持向量机 | 第20-22页 |
| 2.5 神经网络算法 | 第22-23页 |
| 2.6 词嵌入工具word2vec | 第23-26页 |
| 3 基于模型集成的垃圾评论识别 | 第26-35页 |
| 3.1 问题引出 | 第26页 |
| 3.2 算法介绍 | 第26-30页 |
| 3.2.1 基于规则的垃圾评论识别 | 第26-27页 |
| 3.2.2 特征构造 | 第27-28页 |
| 3.2.3 模型构造 | 第28-29页 |
| 3.2.4 集成学习 | 第29-30页 |
| 3.3 实验结构与分析 | 第30-34页 |
| 3.3.1 商品评论数据集 | 第30页 |
| 3.3.2 超参数选择 | 第30-31页 |
| 3.3.3 基于规则的垃圾评论识别 | 第31-32页 |
| 3.3.4 特征有效性验证 | 第32页 |
| 3.3.5 集成学习有效性验证 | 第32-33页 |
| 3.3.6 对比实验 | 第33-34页 |
| 3.4 本章总结 | 第34-35页 |
| 4 基于卷积神经网络的在线商品评论情感倾向性研究 | 第35-44页 |
| 4.1 问题引出 | 第35-36页 |
| 4.2 卷积神经网络模型 | 第36-39页 |
| 4.2.1 句子级别的表示和评分 | 第36-38页 |
| 4.2.2 模型训练 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-43页 |
| 4.3.1 评论倾向性分析数据集 | 第39页 |
| 4.3.2 卷积神经网络 | 第39-40页 |
| 4.3.3 结果与讨论 | 第40-43页 |
| 4.4 本章总结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50-51页 |
