基于深度学习的电商用户评论的情感分析.pdf

目录

摘要I

ABSTRACTII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1情感分析技术的国内外研究现状2

1.2.2基于机器学习的情感分析的国内外研究现状3

1.2.3基于深度学习的情感分析的国内外研究现状4

1.3本论文的主要工作5

1.4论文结构安排6

第二章相关算法及技术介绍9

2.1循环神经网络9

2.2词向量技术10

2.3Softmax分类函数12

2.4Dropout机制12

2.5系统的实现相关技术13

2.5.1Flask框架13

2.5.2B/S结构14

2.6本章小结15

第三章基于BERT和BILSTM的细粒度情感分析模型17

3.1Bert模型17

3.2BILSTM模型19

3.3CRF模型21

3.4BERT-BILSTM-CRF融合模型的情感分析算法23

3.5本章小结24

第四章BERT-BILSTM-CRF模型情感分析的实验25

4.1数据集的选取与预处理25

I

4.1.1数据集选取25

4.1.2数据集预处理25

4.2模型训练27

4.3实验环境配置28

4.4实验评价指标29

4.5实验结果分析30

4.6消融实验32

4.7情感三元组34

4.7.1基于三元组的情感强度算法34

4.7.2情感强度的计算35

4.8本章小结36

第五章电商用户评论情感分析系统的设计与实现37

5.1系统可行性分析37

5.1.1技术可行性37

5.1.2经济可行性37

5.1.3操作可行性38

5.2系统功能需求分析38

5.3系统设计39

5.3.1数据库实体设计39

5.3.2系统数据库设计40

5.3.3系统的登录模块设计41

5.3.4系统的首页实现42

5.3.5线上数据集创建42

5.3.6用户数据集文本分析的实现与可视化43

5.4系统测试43

5.4.1系统测试环境43

5.4.2功能测试43

5.4.3功能测试统计结果44

5.4.4可用性测试44

5.5本章小结45

第六章总结与展望47

6.1总结47

6.2展望48

参考文献49

致谢53

III

摘要

随着移动互联网的蓬勃发展，电子商务技术正以前所未有的方式影响着人们的

生活，成为人们日常生活中不可或缺的一部分。同时，电子商务的迅猛发展也带来

了海量的在线语料，对于其在电子商务发展中潜在的价值，研究人员们开始予以关

注并推动着自然语言处理（NLP）领域的发展。在电子商务市场中，与之密切相关的

情感分析技术也成为了自然语言处理中最为重要的技术之一。情感分析技术分为粗

粒度情感分析和细粒度情感分析，目前，由于粗粒度情感分析技术对用户评论文本

分析的准确性越来越难以满足商家的需求，研究人员开始对细粒度情感分析的研究

投入的越来越多，因此本文针对细粒度情感分析展开研究。论文的主要研究工作如

下：

(1)针对传统情感分析不能识别一词多义，以及无法理解上下文关系等问题，本

文提出了一种细粒度情感分析模型，BERT-BILSTM-CRF模型，该模型通过BERT

作语义信息表示，将BERT编码以后的词向量通过双向长短期记忆网络学习上下文

特征，得到隐藏层向量，然后通过CRF层学习相邻标签之间的依赖关系，得到