OTA網(wǎng)站評(píng)論文本的情感分析研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，人們對(duì)旅游的需求不斷增加，使得在線旅游消費(fèi)市場(chǎng)呈爆發(fā)式的增長(zhǎng)。因此，以攜程網(wǎng)、去哪兒網(wǎng)等為代表的旅游OTA網(wǎng)站積累了海量的用戶的評(píng)論文本數(shù)據(jù)。如何從這些大量的文本數(shù)據(jù)中獲取有用的信息以提高用戶體驗(yàn)成為亟需解決的問(wèn)題。本文針對(duì)OTA網(wǎng)站評(píng)論文本數(shù)據(jù)進(jìn)行了情感分析研究。具體工作如下：
　　首先，本文通過(guò)網(wǎng)絡(luò)爬蟲技術(shù)抓取了一定量旅游OTA網(wǎng)站的評(píng)論文本數(shù)據(jù)作為研究對(duì)象并構(gòu)建了相應(yīng)的分類詞庫(kù)以及情感詞庫(kù)。由于旅游OTA網(wǎng)站

2、評(píng)論文本的特殊性，目前的一些開源的情感詞庫(kù)不能十分有效的匹配該類評(píng)論文本數(shù)據(jù)，而且主流的情感詞庫(kù)大部分是二分類的情感判別，無(wú)法體現(xiàn)用戶具體的情感傾向程度；也不能將用戶的情感傾向按評(píng)價(jià)要素細(xì)分或者按用戶偏好個(gè)性化獲取情感傾向程度?；诖吮疚尼槍?duì)該類評(píng)論文本數(shù)據(jù)重新構(gòu)建了專有的按評(píng)價(jià)要素細(xì)分的分類詞庫(kù)以及情感詞庫(kù)。從而能夠更有效地獲得用戶的情感傾向值。同時(shí)也是本文模型構(gòu)建中不可或缺的一部分。
　　其次，本文提出一種基于LSA（潛在語(yǔ)義

3、分析）與DBN（深度信念網(wǎng)絡(luò)）的深度學(xué)習(xí)模型。由于傳統(tǒng)的基于文本向量空間所構(gòu)建的文本特征矩陣僅僅體現(xiàn)了文本信息中詞頻的信息，而未能包含詞語(yǔ)于詞語(yǔ)之間潛藏的語(yǔ)義信息（如：一詞多義或一義多詞等）所以在模型擬合過(guò)程中其效果往往有所欠缺。因此，本文運(yùn)用LSA方法將原始的文本特征矩陣進(jìn)行SVD分解，再通過(guò)合理的選取分解后奇異值的個(gè)數(shù)重構(gòu)文本特征矩陣。最后，基于重構(gòu)后的文本特征矩陣構(gòu)建了DBN的深度學(xué)習(xí)模型以期通過(guò)對(duì)文本數(shù)據(jù)的訓(xùn)練學(xué)習(xí)能夠有效地獲得