bck

收藏本站

面向细分领域的舆情情感分析关键技术研究

【摘要】:客户对于服务的满意与否关系到服务提供商的效益,为了有效维护现有客户和开发新客户,服务提供商需要及时分析客户对于服务的反馈中所蕴含的情感信息以便快速采取措施应对,从而提升客户体验。随着信息产业、互联网以及移动互联网的飞速发展,客户对于服务的满意程度能够更加方便的通过网络平台进行反馈,互联网已经取代传统渠道成为主要的反馈载体,庞大的客户群体每时每刻都会产生海量的非结构化文本反馈,传统的依靠人工的反馈分析方式已经难以满足企业对于客户关系管理的需求;同时,企业服务涉及不同的主题,需要精确的将不同领域的反馈传达到相应的部门才能使反馈得到有效的处理。而每一个细分领域文本的情感具有领域特殊性,相同的语言表达在不同领域的情感倾向具有差异。因此,如何设计一种能够对海量非结构化客户反馈文本进行分类,同时进行舆情情感分析的方法,并利用该方法构建能够对细分领域非结构化文本的舆情情感信息进行快速自动分析并能够自动适应不同领域情感表达方式的系统,成为了企业客情关系维护亟需解决的问题。基于上述背景,为了高效的对非结构化客户反馈文本进行自动分析处理,本文针对生活服务网站中面向机票服务、酒店服务、餐饮服务等细分领域的舆情情感分析这一需求,对其中的文本细分领域分类、舆情情感分析等关键技术进行了深入研究,主要研究内容及成果如下:(1)提出了一种基于注意力机制与对抗训练的文本分类算法作为文本分析的重要任务,文本分类已经受到广泛研究,并涌现出了许多方法,例如隐藏狄利克雷分布(Latent Dirichlet Allocation,LDA)文档主体生成模型的文本分类方法、基于词袋(Bag-of-word)模型的文本分类方法与基于支持向量机(Support Vector Machine,SVM)的文本分类方法等。这些方法都是将词作为一个符号,记录文本中有无出现该符号以及该符号对某一主题(类别)的贡献程度,而忽略单词本身所代表的语义以及词语之间的顺序等关系。本文在循环神经网络(Recurrent Neural Network,RNN)的基础上通过引入注意力机制,使模型能够较好的保留文本词语之间的顺序关系与长距离依赖,同时自动提高关键词对于文本分类的权重,使分类器具有较好的效果。同时,利用对抗训练在模型训练的过程中产生词嵌入的扰动,使模型具有更高的泛化能力及鲁棒性。实验表明该方法具有优于基线方法的性能。(2)提出了一种融合分段卷积神经网络(Piecewise Convolutional Neural Network,PCNN)与生成对抗网络(Generative Adversarial Network,GAN)的情感分析算法文本情感分析作为目前网络环境下进行舆情监控、服务评价及满意度分析等领域最为重要的任务之一,需要对文本中客户的观点、喜好等情感加以判别。相比于传统自然语言处理分析工具,卷积神经网络(Convolutional Neural Network,CNN)作为深度学习中自动捕获句子特征的有效方法,可以从句子中学习与情感分析任务关联性最强的特征,提升情感分析模型的性能。然而原始的卷积神经网络模型忽略了对于文本情感分析十分重要的句子结构信息,而且很容易发生过拟合。针对上述的不足,本文采用分段池化的策略,使基于深度学习的卷积神经网络模型能够对句子结构进行建模,分段提取句子不同结构的主要特征来对文本的情感倾向进行分析,并且利用Dropout算法提升模型的泛化能力。同时,用户对于服务的反馈涉及到众多不同领域,每一个领域中的标注数据都较少,为了缓解数据的稀疏性,本文还利用生成对抗网络进行共同特征提取,使模型能够获取在不同领域的反馈中与情感相关的共同特征,增强模型在训练数据较少的情况下的泛化能力。在不同数据上的实验,证明了以上方法的有效性。(3)提出了一种基于门控单元的循环-卷积神经网络(Recurrent-Convolutional Neural Network,R-CNN)与卷积-循环神经网络(Convolutional-Recurrent Neural Network,C-RNN)的集成情感分析方法目前效果较好的情感分析算法都是基于统计学习的方法,这类方法性能的好坏取决于特征提取的质量,而良好的特征工程需要较高的专家经验且费时费力,可迁移性较差;神经网络的方法能够减少特征工程的依赖,RNN能够获得上下文信息但是有语义信息偏置问题;基于CNN的文本分析方法能够通过池化获得文本的重要特征但较难获得上下文信息,如本文提出的融合分段卷积神经网络与生成对抗网络的情感分析模型利用分段池化策略能够部分缓解CNN的不足,然而对于长距离依赖建模仍然较差。针对上述问题,本文提出了一种基于门控单元的R-CNN与C-RNN融合的情感分析方法,首先通过不同的方式组合RNN与CNN,缓解二者的不足,分别构建子分析网络R-CNN与C-RNN,最后通过门控单元自动融合两种网络,组成最终的分析模型。我们在不同的数据集上进行了充分实验,验证了方法的有效性。(4)提出了一种融合群稀疏与排他性稀疏正则项的情感分析模型压缩方法本文提出的融合PCNN与GAN的情感分析方法与基于门控单元的R-CNN与C-RNN集成情感分析方法,都使用了较大规模的卷积神经网络来保证模型的效果,导致模型的参数规模较大。而在实际运用中,标注数据较少,模型得不到较为充分的训练。同时,为了能够快速对出现的舆情进行分析,及时对客户的反馈进行应对,有效进行客情关系管理,情感分析系统需要具有较高的时效性。为了解决上述问题,本文提出在模型预训练过程中,利用群稀疏与排他性稀疏正则项对模型进行剪裁,首先利用稀疏正则项剪除权值较小的边,并去除连接稀疏的神经元节点,然后继续训练剪枝后的模型。我们在不同的数据集上进行了充分实验,验证了压缩方法的有效性,提升了网络在进行预测时的效率,同时保证模型的性能不会有较大的下降。(5)基于上述方法设计构建了客户满意度分析原型系统在上述研究的基础上,本文基于B/S架构,利用Spring-Boot框架设计实现了客户满意度分析原型系统。实现了数据预处理、垃圾信息过滤、细分领域划分及客户情感分析等核心功能,并进行了原型系统模拟测试,充分展示了本文所提出的方法的有效性、实用性。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前15条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 刘高宇;;深度神经网络在煤质数据分析与预测中的应用[J];电脑知识与技术;2019年28期
3 冯伟业;廖可非;欧阳缮;牛耀;;基于胶囊神经网络的合成孔径雷达图像分类方法[J];科学技术与工程;2019年28期
4 温赞扬;;基于群智优化神经网络的音乐风格分类模型研究[J];现代电子技术;2019年21期
5 郑丽;;建筑设计中神经网络技术与遗传算法探究[J];湖北农机化;2019年21期
6 易炜;何嘉;邹茂扬;;基于循环神经网络的对话系统记忆机制[J];计算机工程与设计;2019年11期
7 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
8 赖策;魏小琴;;卷积神经网络的训练方式研究[J];信息与电脑(理论版);2019年22期
9 周济民;;基于神经网络改进的元胞自动机分析——美国阿片类药物滥用情况[J];信息系统工程;2019年11期
10 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
11 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
12 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
13 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
14 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
15 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
4 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
5 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
6 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
7 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
8 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
9 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
中国硕士学位论文全文数据库 前10条
1 白会杰;基于人工智能的光伏发电短期功率预测技术[D];北京交通大学;2019年
2 张荣葳;基于卷积神经网络与SimHash的网络异常流量检测技术研究[D];中国工程物理研究院;2019年
3 张超利;基于神经网络的河南省空气污染预测研究[D];华北水利水电大学;2019年
4 范汝鑫;基于深度神经网络的个性化商品推荐研究[D];合肥工业大学;2019年
5 贾凯;人工蜂群算法与BP神经网络并行集成学习研究[D];合肥工业大学;2019年
6 黄国维;基于深度学习的城市垃圾桶智能分类研究[D];安徽理工大学;2019年
7 江白华;基于深度学习的人脸识别研究[D];安徽理工大学;2019年
8 侯栋楠;基于深度特征学习的振动状态识别方法[D];华北电力大学;2019年
9 肖炜茗;基于Bernstein多项式和阶梯路径构造的前向插值神经网络及逼近能力[D];天津师范大学;2019年
10 强硕;基于神经网络的电锅炉动态过程建模研究[D];华北电力大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;[N];湖北日报;2019年
3 记者 刘霞;[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;[N];中国电子报;2018年
5 ;[N];电子报;2018年
6 张敏;[N];北京日报;2017年
7 ;[N];中国企业报;2017年
8 本报记者 龚丹韵;[N];解放日报;2017年
9 ;[N];中国企业报;2017年
10 张斌;[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|