資源描述：
《網(wǎng)絡評論文本的情感傾向性研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、暨南大學碩士學位論文題名（中英對照）：網(wǎng)絡評論文本的情感傾向性研究TheStudyofSentimentAnalysisforOnlineReviewTexts作者姓名：王歡歡指導教師姓名及學位、職稱：孫玉霞博士、副教授;朱淑華博士、教授級高工;學科、專業(yè)名稱：軟件工程學位類型：專業(yè)學位論文提交日期：論文答辯日期：年月日答辯委員會主席：論文評閱人：學位授予單位和日期：暨南大學獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研
2、究成果，也不包含為獲得暨南大學或其他教育機構的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學位論文作者簽名：簽字日期：年月日學位論文版權使用授權書本學位論文作者完全了解暨南大學有關保留、使用學位論文的規(guī)定，有權保留并向國家有關部門或機構送交論文的復印件和磁盤，允許論文被查閱和借閱。本人授權暨南大學可以將學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編學位論文。（保密的學位論文在解密后適用本授權書）學位論文作者簽名：導師簽名：簽字
3、日期：年月日簽字日期：年月日學位論文作者畢業(yè)后去向：工作單位：電話：通訊地址：郵編：暨南大學碩士學位論文網(wǎng)絡評論文本的情感傾向性研究摘要隨著近幾年來電子商務的快速發(fā)展，越來越多的用戶在網(wǎng)上購買商品后會留下對商品或服務的評論，并且該類評論數(shù)據(jù)的數(shù)量正在不斷增長。這些數(shù)據(jù)不僅可以作為消費者購物的參考信息，也可以為商家的銷售策略提供很多建議和商機，因此研究這些評論文本數(shù)據(jù)具有很大價值。作為文本分析的重要技術之一，文本情感分析在近幾年得到了研究人員的廣泛關注，并取得了很多的研究成果。文本情感分析根據(jù)評論文本中觀點的褒貶傾向來進行文本分類，
4、其分類方法包括基于情感詞典的方法和基于機器學習的方法，其中第一種方法易于實現(xiàn)但是領域針對性不強，第二種方法分類效果更好但是需要大量的訓練語料。本文首先介紹了情感分析的研究背景、國內外研究現(xiàn)狀以及關鍵技術。然后對比了基于情感詞典和基于機器學習兩種方法的優(yōu)缺點，并且結合機器學習中深度模型的有效性，選取了長短型記憶遞歸網(wǎng)絡作為分類模型，提出將情感詞典與深度學習模型兩者結合的新方法來分階段進行文本分類。新方法既克服了情感詞典的不完整性缺點也解決了機器學習的大量語料需求。最后，本文通過對比實驗證明在缺少訓練語料情況下，將情感詞典和長短型記憶
5、遞歸網(wǎng)絡結合的方法應用在文本分類中可以獲得較高的精確度。關鍵詞：情感分析；情感詞典；深度學習；長短型記憶神經(jīng)網(wǎng)絡I暨南大學碩士學位論文網(wǎng)絡評論文本的情感傾向性研究AbstractWiththerapiddevelopmentofelectroniccommerceinrecentyears,moreandmoreconsumershaveofferedcommentsforthegoodsorservicesviaonlineshopping,andtheamountofcommentskeepsgrowing.Thecommen
6、tsdataarenotonlyusefulforconsumersasreferenceinformation,butalsoinstructiveformerchantstoimprovethemarketingstrategies.Therefore,itissignificanttoconductresearchonthetextdataofthecomments.Asanimportanttechniquefortextanalysis,thesentimentanalysishasattractedextensivea
7、ttentionsoftheresearcherswithmanyachievements.Themaintaskofsentimentanalysisistodeterminethesentimentorientationsofopinions.Typically，thesentimentanalysismethodscanbedividedintotwocategoriesasbelow:sentimentlexicon-basedmethodsandmachinelearning.Thefirstmethodiseasyto
8、beimplementedbutlackspertinence,thesecondonehasbettereffectsbutdependentsonalargenumberoftrainingdata.Inthethesis,thebackgro
