基于RoBERTa-BiLSTM-CRF融合模型的在线评论细粒度情感分析

在电子商务迅速发展的背景下,在线评论所蕴含的商业价值日益凸显.从在线评论中提取用户关于产品的评价和情感的研究,已经开始从句子级或篇章级的粗粒度情感分析转向属性级的细粒度情感分析.但当前细粒度情感分析方法在情感要素识别任务中存在不能同时解决一词多义、上下文语义信息不全以及标签约束关系缺失等突出问题,且面向属性的情感强度量化方法未充分考虑语法信息.对此,本文提出一种基于RoBERTa-BiLSTM-CRF融合模型的在线评论细粒度情感分析方法,该方法可以有效解决上述问题,更加准确地识别评论中用户评价的产品或服务属性,并结合情感三元组和语法信息有效地量化用户在评论中反馈的情感强度.为了检验所提方法的效果,本文在酒店评论数据、美团外卖评论数据、CLUENER2020等多个领域的数据集上进行对比实验与消融实验.实验结果表明,与已有经典模型相比,本文所提基于RoBERTa-BiLSTM-CRF融合模型的情感要素识别方法在多个数据集上均获得了最佳F₁值,且本文所提情感强度量化方法更加精细,能更好地契合人类情感的连续性.此外,消融实验进一步表明融合模型的每个结构都具有重要性.     

基于主题相似性的在线评论情感分析北大核心CSCDCSSCI

从在线文本评论挖掘消费者情感信息,能够得到更加真实的消费者购买体验及其偏好。主题情感混合模型作为一类有效的无监督情感分类模型,正在成为这方面的重要文本挖掘工具,但该模型存在分类准确率和稳定性还不够高的问题,为克服这一不足,提出一种基于主题相似性的无监督在线评论情感分类模型。以潜在狄利克雷模型分析在线评论主题,结合情感词典计算主题情感极性;引入理想评论并构造理想评论代表集,通过计算评论和理想评论集的主题相似度,实现在线评论情感分类。实验结果表明,该模型能有效判别消费者在线评论情感倾向,稳定性较高,衡量分类结果的综合指标F_1值比现有主题情感混合模型提高3%～20%。同时,在计算机、酒店、图书及手机等不同领域评论数据集上的实验结果显示,该方法具有较好的领域可移植性。     

基于直觉模糊情感和双注意力BILSTM的商家排序方法

如何充分利用在线口碑中的情感信息和消费者的个性化偏好，实现具有较高准确性的在线商家排序，对于提高消费者在海量信息中的决策效率具有重要的现实意义和理论价值。提出了一种基于深度学习的考虑模糊情感、个性化偏好，并融合在线评论、评分及人气的排序方法。首先构建双注意力BILSTM方面级情感分类模型识别在线评论情感，将情感值转换为直觉模糊值，应用直觉模糊TOPSIS方法计算贴近度，然后结合消费者评分、商家人气度量确定排序。以标准数据集进行对比实验，表明双注意力BILSTM模型优于LR、SVM等传统模型以及BILSTM和单注意力BILSTM模型。在实例分析中，大众点评8家餐厅的排序结果与平台排序平均重叠分数较高，说明本文所提出的商家排序方法的有效性。     

基于主题相似性的在线评论情感分析

从在线文本评论挖掘消费者情感信息,能够得到更加真实的消费者购买体验及其偏好。主题情感混合模型作为一类有效的无监督情感分类模型,正在成为这方面的重要文本挖掘工具,但该模型存在分类准确率和稳定性还不够高的问题,为克服这一不足,提出一种基于主题相似性的无监督在线评论情感分类模型。以潜在狄利克雷模型分析在线评论主题,结合情感词典计算主题情感极性;引入理想评论并构造理想评论代表集,通过计算评论和理想评论集的主题相似度,实现在线评论情感分类。实验结果表明,该模型能有效判别消费者在线评论情感倾向,稳定性较高,衡量分类结果的综合指标F_1值比现有主题情感混合模型提高3%～20%。同时,在计算机、酒店、图书及手机等不同领域评论数据集上的实验结果显示,该方法具有较好的领域可移植性。     

面向产品特征的中文在线评论情感分类:以本体建模为方法

在线产品评论反映了用户对产品的体验,对其进行情感分类不仅有利于商家的战略发展,也有助于消费者理性购物。然而,现有研究大多采用上下文无关的情感分类方法,却无法处理褒贬混合的评论及情感词极性随上下文变化的情况,从而导致情感分类的精度不高。针对现有研究的不足,提出一种产品特征级情感分类方法。基于领域本体识别评论中的特征观点对,根据已知极性的评论判断特征观点对的极性。最后,通过加权平均的方法合计评论中各个特征观点对的极性,最终实现对评论的情感分类。为了验证方法的有效性,以手机和数码相机评论为对象设计实验,实验结果表明,本文提出的方法具有一定的领域普适性,能有效识别不同领域评论中的特征观点对,并判断其情感极性。结果还显示,在准确率、召回率和调和评价值3项性能指标上,该方法都优于文档级、句子级和词语级的基线实验方法。     

基于情感分析和证据理论的多属性在线评论决策方法

近年来，大量的有关产品或服务的在线评论信息在许多网站涌现，如何基于在线评论进行决策分析是一个值得关注的研究问题。提出了一种基于情感分析和证据理论的多属性在线评论决策方法，在该方法中，首先针对决策者关注的备选方案及属性采集相应的在线评论；然后针对采集的多属性在线评论进行情感分析并得到在线评论针对各属性在不同情感强度等级上出现的频次；进一步，依据证据理论，将在线评论在不同情感强度等级上出现的频次转化为针对不同情感强度等级的信任度，并依据证据合成规则将备选方案各属性的信任度集结为综合信任度；在此基础上，通过计算所有备选方案的效用值，进而得到方案的排序结果用于决策者购买决策；最后，以基于汽车之家网站的在线评论信息进行汽车购买决策为例说明了该方法的可行性和有效性。     

考虑在线评论中个体标准差异的汽车产品排序方法

用户在线评论是影响消费者汽车产品选择决策的重要信息来源.已有的基于用户在线评论的产品排序研究中,较少考虑用户评价标准差异对排序结果的影响.基于文本型、数值型和极性评论数据,本文提出一种考虑个体评价标准差异的汽车产品排序方法:首先分析文本型评论中的用户情感,构建情感词典,得到初步情感得分;然后利用数值型和极性评论相关值为...     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

依据在线评论的商品排序方法北大核心CSCD

提出了一种依据商品在线评论的基于多粒度情感强度分析和随机逼近理想点排序法的商品排序方法.使用爬虫软件和ICTCLAS对消费者关注的备选商品的在线评论进行获取和预处理.依据预处理后的评论,通过提出多粒度情感强度分析算法确定每条评论针对商品属性的情感强度值.通过对得到的情感强度值进行统计分析,得到备选商品针对商品属性的多粒度情感强度分布形式的属性值.最后,依据得到多粒度情感强度分布形式的属性值,采用随机逼近理想点排序法确定备选商品的排序.基于中关村在线中的数码相机在线评论,给出了提出方法应用的实例分析.     

依据在线评论的商品排序方法

提出了一种依据商品在线评论的基于多粒度情感强度分析和随机逼近理想点排序法的商品排序方法.使用爬虫软件和ICTCLAS对消费者关注的备选商品的在线评论进行获取和预处理.依据预处理后的评论,通过提出多粒度情感强度分析算法确定每条评论针对商品属性的情感强度值.通过对得到的情感强度值进行统计分析,得到备选商品针对商品属性的多粒度情感强度分布形式的属性值.最后,依据得到多粒度情感强度分布形式的属性值,采用随机逼近理想点排序法确定备选商品的排序.基于中关村在线中的数码相机在线评论,给出了提出方法应用的实例分析.     

基于模型集成的突发事件舆情分析与趋势预测研究

近年来,突发事件发生后,事件演进受网络舆情的影响越来越大,分析突发事件发生后网民情绪并进行预测,可为政府部门的应急管理和策略设计提供有效支撑,赢得宝贵的时间.本文提出了一个基于模型集成的微博情感分析与预测模型,对突发事件微博舆情进行情感分类与趋势预测.为了更准确地分析微博情感与未来走势,首先,利用多模型集成策略对突发事件相关的单条微博进行情感分析;接着,将单条微博情感进行集成,形成微博情感时间序列;再次,利用多模型集成思路对微博情感的未来走势进行预测;最后,通过实例验证提出方法的有效性.实证结果表明,集成模型较传统分类在微博情感分析上具有优势,集成模型较传统回归模型在微博情感走势预测同样具有明显优势,可以取得较高的预测精度.     

Products Ranking Through Aspect-Based Sentiment Analysis of Online Heterogeneous Reviews

With the rapid growth of online shopping platforms, more and more customers intend to share their shopping experience and product reviews on the Internet. Both large quantity and various forms of online reviews bring difficulties for potential consumers to summary all the heterogenous reviews for reference. This paper proposes a new ranking method through online reviews based on different aspects of the alternative products, which combines both objective and subjective sentiment values. Firstly, weights of these aspects are determined with LDA topic model to calculate the objective sentiment value of the product. During this process, the realistic meaning of each aspect is also summarized. Then, consumers’ personalized preferences are taken into consideration while calculating total scores of alternative products. Meanwhile, comparative superiority between every two products also contributes to their final scores. Therefore, a directed graph model is constructed and the final score of each product is computed by improved PageRank algorithm. Finally, a case study is given to illustrate the feasibility and effectiveness of the proposed method. The result demonstrates that while considering only objective sentiment values of the product, the ranking result obtained by our proposed method has a strong correlation with the actual sales orders. On the other hand, if consumers express subjective preferences towards a certain aspect, the final ranking is also consistent with the actual performance of alternative products. It provides a new research idea for online customer review mining and personalized recommendation.     

基于本体的通信服务网络抱怨案例相似度计算

现有的基于本体的抱怨处理方法大多都依赖企业员工概括当前的顾客抱怨为关键词并用于检索解决方案,故不适用于数量巨大且传播速度快的网络抱怨.针对这个问题,本文引入相似性度量技术,提出一种基于本体的通信服务行业网络抱怨案例相似度计算方法.构建该行业的网络抱怨案例本体,基于该本体,建立聚合抱怨内容相似度、抱怨产品相似度和抱怨问题相似度的抱怨案例相似度模型;在理论上证明所建立的聚合模型的高准确性,并在实验中验证其高准确性,同时还使用平均绝对误差、准确率、精确度、召回率和F1值对其性能进行评价.理论证明结果表明,聚合模型比基准模型准确性更高.实验验证结果表明,聚合模型比基准模型准确性更高且性能更佳.     

在线评论中基于边界平均信息熵的产品特征提取算法

随着电子商务业务的迅猛发展,基于用户网上评论的文本研究也成为热点课题.用户在进行购买决策时,不仅需要了解该商品的整体评价,同时需要知道商品各个特征的情感态度倾向,故文章的目的在于研究在线评论中产品特征的自动提取的问题.实验选择满足BNP(base noun phrase)模式的N-Gram作为候选项,并利用N-Gram的边界平均信息熵的指标以及子串依赖关系对候选项进行过滤,提取最终的产品特征.与仅采取BNP模式直接作为产品特征的参照条件相比,当前方法选取的过滤条件可以有效提高产品特征提取的准确率.文中的方法不依赖于外部的领域语料且不需进行人工干预,其最终输出的结果具有子串依赖的层次性,可以作为领域知识构建的有效的参考数据结构.     

资源配置的非参数DEA模型

建立了具有锥结构的资源分配模型 ,并用 DEA的非参数方法进行经济分析 .与传统分析方法相比 ,该方法不仅具有相同的经济结论 ,还可得到更丰富的经济和管理信息 .可见 ,非参数的 DEA模型在处理某些经济问题时具有独特的优势.     

特征观点对购买意愿的影响:在线评论的情感分析方法

网络口碑是影响消费者购买行为的因素之一,在线评论中的各种评价信息会改变用户对产品质量的感知,进而影响购买意愿.不同产品特征对用户购买意愿的影响程度各不相同.为此,结合情感分析技术,构建计量经济模型,分析产品特征评价与用户购买意愿的关系,能够识别产品特征的重要程度.首先对产品特征进行抽取和降维,提取"特征一观点对".然后依据信息增益的思想,计算特征的信息增益.利用情感分析技术识别情感极性及其强度,结合产品特征的信息增益,建立产品特征评价对用户购买意愿的计量经济模型,得到产品特征重要度的量化方法.对亚马逊网站上386款数码相机进行持续39个月的跟踪,实证结果表明,对数码相机产品特征的重要度识别高于TF-IDF算法以及HAC算法.研究结果建立起产品特征与用户购买意愿的联系,为网络口碑营销提供了理论依据.     

A Prediction Study on the Localization Policy of Improving the Satisfaction of Chinese Visitors to Japan by Using Matrix Factorization Techniques

Against the background of the rapid growth of Chinese tourists to Japan, by observing the changes in the patterns of Chinese visitors to Japan and probing into the insufficiency of researches in the past studies, it is believed that online travel reviews can be used to present the current situation of tourism industry and be of value to provide the basic data for long-term sustainable research after analysis, including how to increase Chinese tourists' satisfaction continuously and how to promote the service level of related industries. In this study, the unknown information caused by the cultural and regional differences in the reviews of Chinese visitors' to Japan is taken as the prediction object and the local tourists' travel comments as a reference group. Then, the factor decomposition technology and text mining technology are applied to predict the standards of services and projects that can meet the characteristics and demands of Chinese tourists. The comments of Chinese and Japanese tourists who stayed at hotels in the Hakone scenic area from May 2018 to April 2019(time span: one year)are taken as the samples in this study. Thus, the disparity in the purpose of travel between Chinese tourists and Japanese local tourists in this scenic spot can be effectively displayed. Besides, it also clearly points out that due to a lack of understanding of Japanese food culture, Chinese visitors were in urgent need of relevant services and assistance. Therefore, this method will provide guidance for the growth of the local tourism industry and also demonstrate the feasibility of research methods. In the end, a complete analysis and calculation method for online comment text mining is established, which also provides guidance on improving the satisfaction of Chinese visitors to Japan. Besides, this method can also be considered to apply in more tourists with the same cultural background.     

基于混合类别序列规则的中文比较评论的识别

在线评论中的比较信息揭示了品牌和商品的竞争性关系,为消费者的购买决策提供了有力的依据.在线评论中比较信息通常以显性和隐性两种形式存在.为此,提出一种将句法、规则、特征相结合的比较句识别算法.针对显性比较评论,提出了融合CSR方法与依存句法分析算法,即比较句的形式化结构与内在依存关系两个方面结合,提高比较句识别的效率.针...     

互联网新闻媒体报道对我国股市的影响分析

互联网新闻媒体作为投资者的重要信息来源,对投资者的投资决策具有重要影响,同时也会影响股票市场的具体表现.为研究互联网媒体上发布的新闻报道对股票市场的影响,本文通过互联网搜索引擎采集了与股票市场相关的大量新闻报道,从新闻媒体关注度和情感指标两个方面分析其对我国股票市场的影响.通过对2012年1月1日至2016年4月30日之间上证综指的表现进行实证检验,发现互联网新闻媒体的关注度和情感指标对我国股票市场的运行均有一定的影响,而舆情指数一方面不受新闻媒体报道数量的影响,另一方面衡量了情感指标的相对影响,是量化新闻媒体报道情感的较佳指标.同时,我们的实证显示众多新闻媒体报道的网站来源中,52.8%的来源中已经包含了99.3%的新闻报道,是对股票市场产生影响的重要来源.通过互联网新闻媒体关注度和情感指标对股票市场影响的研究,可以加强对股票市场走势的分析与预测,为投资者提供投资建议.