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

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Co-training协同训练的在线虚假评论识别研究

本文基于协同训练模型（co-training）提出了一种新的在线虚假评论识别方法CoDeRI以解决虚假评论识别中模型训练数据不足的问题.对同一评论信息，本文通过构建两个特征视图相互学习以识别虚假评论信息：视图一的特征来自于评论文本的词项（Term）；视图二的特征来自于对评论进行深度语法树分析之后得到的概率上下文无关语法规则（PCFG，probabilistic context-free grammars）.利用朴素贝叶斯（naïve Bayes）作为基分类器，本文提出了两种特定于CoDeRI方法的分类后样本选择策略：CoDeRI-C策略和CoDeRI-U策略.CoDeRI-C策略在对未标注信息进行标注之后，选取分类置信度最高的评论信息以扩大训练样本集；CoDeRI-U策略则随机均匀的选取标注之后的评论信息以扩大训练样本集.实验表明，CoDeRI算法在虚假评论信息识别上与现有方法相比能够取得较好的分类结果.并且，CoDeRI-U策略的虚假评论识别准确率优于CoDeRI-C策略.本文的研究为电子商务中的平台、商家和消费者如何识别在线虚假评论提供了一定的管理启示.     

中文产品评论的“特征观点对”识别:基于领域本体的建模方法

随着社交媒体的发展,不断增加的在线产品评论正在极大地影响电子商务市场,使得评论挖掘成为商业界与学术界共同的热点话题。针对中文产品评论的特点,本文提出一种基于领域本体的建模方法,通过建立评论挖掘模型来对产品评论的基本评价单元——"特征观点对"进行识别。该建模过程以设计科学研究方法论为指导。首先在模型设计阶段,构建面向产品评论的领域本体;然后在模型实施阶段,提出基于本体的特征观点对识别方法;最后在模型评价阶段,通过实验对评论挖掘结果进行评价。实验结果表明,本文提出的方法与其他基于统计的方法以及基于语义的方法相比,在性能上有明显提高,对克服口语化严重和语法不规范等问题具有良好的效果。此外,通过特征观点对的识别与统计,使产品评论这种非结构化文本转化为机器可读的、能理解的结构化表达并得到具有一定商业应用价值的信息。     

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.     

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...     

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.     

在线评论中基于动态窗口提取特征观点对的产品推荐模型

在线评论所包含的产品特征观点在帮助用户做出购买决策时发挥着重要作用,然而,目前还没有挖掘客户评论中的产品特征观点作为主要数据来源的推荐系统,并且,监督型方法中提取特征观点对的算法较少关注中文句式结构,提取规则缺乏动态适应性.因此,提出一种基于特征观点对的产品推荐模型,首先,结合中文句式构成分析及特征观点的匹配关系分析,采用动态窗口提取特征观点对;在此基础上,结合特征树汇聚特征观点用于产品间比较,并为用户做出产品推荐;同时,提出情感可信度指标用于展示特征的典型评论.与采用静态窗口的基准方法相比,本模型的召回率和F值都有大幅提升,表明其可以为基于特征观点对的产品推荐提供可靠的数据来源,进而有效帮助用户做出购买决策.     

基于欺骗语言线索的虚假评论识别

目前,人们更愿意在社会化媒体平台上发布自己的观点和评论。出于各种利益的驱动,也出现越来越多的虚假评论。结合心理学相关的欺骗理论,提出了11种欺骗语言线索共3类欺骗特征;采用设计科学的方法,实现了在线欺骗识别系统,并在由评论者分别撰写的真实评论和虚假评论语料上检验了各种欺骗组合特征集的效果,实验证明,识别欺骗评论的精度解决80%;进一步讨论了所提出欺骗语言特征在虚假评论识别中的有效性。     

基于趋势情感映射的物价舆情词典及舆情指数构建研究

互联网新闻中反映的市场观点和情感可为经济监测预警提供及时有效的参考.为更好地识别和量化文本中对于经济变动趋势的观点和情感,本文提出了一种基于趋势情感映射的舆情词典构建方法.该方法识别描述经济趋势的核心词汇形成趋势种子词集,并集成情感词相关性计算结果,利用重新设计的标签传播算法得到映射系数,获得情感词的观点值,形成能够量化新闻的物价舆情词典.本文还提出了一种考虑句法结构的物价舆情指数模型,通过主题匹配、程度量化、否定识别等过程实现对特定领域经济新闻中的观点和情绪的更为精确的度量.实证分析中构建了物价舆情词典并生成物价和食品及其分项物价等11个主题的舆情指数,通过分类检验及与CPI的对比分析,发现基于本文方法所建立的舆情指数在长期趋势上领先于CPI约1.25个月.本文所提出的舆情词典构建方法和舆情指数模型具有可扩展性,有望应用于其他宏观经济或行业市场景气分析研究,是现有基于经济文本的预测预警建模方法的重要改进.     

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CNN-BiLSTM的消费者网络评论情感分析

现如今,商品在线评论的情感分析业已成为许多商家不可忽视的重要工作,它对于商家了解用户偏好有着重要意义,同时,它还能够为相关产品下一步的改进工作提供方向指导.然而,传统的分析方法已无法解决现在情感分析中特征提取及语义理解等方面存在的问题.针对此类问题,本文提出一种基于CNN-BiLSTM的在线评论情感分析方法,不仅可以像LSTM一样建立时序关系,而且可以像CNN一样刻画局部空间特征.医疗服务、物流快递、金融服务、旅游住宿和食品餐饮数据集的实验结果表明,该方法能有效判别消费者在线评论情感倾向,在文本的情感分类中效果较传统机器学习算法更准确,F1值可以达到94.67%.同时,实验证明该方法具有较好的领域可拓展性.     

表格型文档自动识别系统及其应用

随着文档影像系统的广泛应用,文档图像自动处理已成为当前的一个研究热点.对表格型文档自动识别系统中的若干关键技术进行了研究.首先,在版面分析中,提出了基于框线检测的文档分类方法;其次,根据表格型文档图像的特点,介绍了相应的识别域提取、框线去除以及手写字符串分割方法;最后,在手写数字识别部分,设计了一种基于形状上下文特征和梯度特征的组合识别方法.最后将该系统应用于银行票据小写金额识别,通过真实表格型票据进行仿真实验,证明了系统的有效性,系统识别率达到了实用的水平.     

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.     

基于情感词模糊统计的网络评论情感强度的研究

根据已有在线声誉系统特点,将用户的情感强度划分若干级别。考虑到情感强度的模糊性,为每个情感强度设置隶属度函数。在此基础上,提出一种基于情感词模糊统计的网络评论情感强度计算方法,并选取手机评论进行实验分析。实验结果显示:情感词的隶属度具有集中性和稳定性;否定词不但改变情感词的极性,还弱化情感词的情感强度;程度副词强化情感词的情感强度,但被修饰情感词的情感强度越大,程度副词对该词的强化程度越小。     

基于感兴趣点特征的彩色图像目标分类与识别

提出一种基于赋色尺度不变特征变换的特征提取方法,分析证明了该特征对平移、旋转、缩放、颜色漂移等因素的不变性。进而研究了基于该特征的彩色图像目标分类与识别的策略和实现技术,提出了相应的算法。通过运用阿姆斯特丹目标图片库中随机选择的50类对象进行分类识别的实验检验,识别正确率可达到100%。理论分析和实验结果表明,赋色尺度不变特征在彩色图像的分类识别中展示出优越的性能。     

基于自适应上下文信息的目标相对定位方法

针对成像末制导中地面固定目标识别难度大的问题,基于最稳定极值(maximally stable external region, MSER)区域提出一种新的相对定位识别算法。提取基准图中目标周围具有尺度和仿射不变特性的MSER特征,根据权重指数自适应选取一定数量的MSER特征作为上下文地标。提取实时图中的MSER特征,与上下文地标基于规则化互相关准则进行特征匹配,利用双层匹配矫正策略减少误匹配,得到匹配特征对。提取匹配特征对的中心点作为参考点求解基准图与实时图之间的空间映射关系,进而利用最小二乘拟合一次多项式计算实时图中目标的位置坐标。实验结果表明,针对复杂地面场景,该方法的最大相对定误差不大于3个像素。基本满足成像末制导对自动目标识别算法稳健性好、识别精度高、抗干扰能力强等要求。     

网络口碑影响机制：信任的中介和性别及涉入度的调节

网络口碑和在线评论已经成为网上消费者获取产品信息的最重要来源,也是影响其做出购买决策的最关键因素。但是,现有的研究缺乏对网络口碑的影响机制和作用路径的深入探索。开拓性地引入消费者信任作为中介变量,并将性别和涉入度等消费者特征作为调节变量,构建研究模型。采用在线实践后进行问卷调查的方法收集数据,并用结构方程模型软件进行模型验证与假设检验。研究结果表明：① 在线评论的理性强度、评论数量以及消费者的信任倾向,显著积极影响其对在线评论的感知可信度,而感知可信度进而通过消费者对商家的认知信任和情感信任的中介作用,最终影响其在线购买意愿。② 相比女性消费者,评论数量对男性感知评论可信度的影响更大,并且感知可信度对男性情感信任的影响也更大;但是女性感知评论理性强度对其感知评论可信度的作用更强。③ 与高涉入度消费者相比,在线评论的理性强度对低涉入者感知评论可信度的影响更大,认知信任对低涉入者购买意愿的影响也更大。然而,评论数量对高涉入者感知评论可信度的作用更强。这些研究结果蕴含着丰富的管理启示。     

两级NLMS自适应滤波的仿真与应用研究

从含噪信号中恢复信号是信号处理领域的经典问题,根据自适应线谱增强器的原理,提出了基于两级NLMS自适应滤波器的噪声抵消模型和方法.并通过仿真实验和海上实录船舶辐射噪声识别实验对其进行了验证.仿真实验表明,该方法比基本的NLMS方法更能有效地消除信号中的噪声.对船舶辐射噪声的识别实验表明,当识别环境改变时,该方法仍能保证比较好的识别率,而且比基本的NLMS方法对环境改变更具有适应性.