基于LSTM模型的手机评论研究

发布时间：2024-01-30 19:38

　　中国网络购物市场飞速发展,消费形式的转变已经逐渐被大众接受,大量的线上商城蓬勃发展,给人们生活带来便利的同时也在运营中产生了大量的数据,对于一件商品其大量的信息均来自于商家的描述和介绍,而商品的评论则是主要来自于真实的、具有消费记录的消费者,从这一点来看商品文本评论不仅仅有助于消费者了解商品情况也可以帮助商家进行产品升级。大数据时代,传统的统计调查已经不能够满足海量文本的调查,不但既费时又费力,调查范围小调查精度也不高。这种情况是大大不能满足企业以及个人的需要。在人工智能高速发展的今天,部分传统调查的技术渐渐被取代,这里要使用就是相对更为简单、便利的文本挖掘的相关技术。本文以三大电商——淘宝、天猫、京东的主要品牌的儿童电话手表的评论为例,基于网络爬虫及自然语言处理技术,紧紧围绕消费者对儿童手机的需求特点,对近十万真实的电话手表的评论文本进行一系列的统计分析和数学建模。主要进行了以下步骤:首先对于模型的原始数据进行采集,将采集好的的数据应用传统统计方法和分词、去词等机器学习算法进行数据预处理,再将数据预处理后的数据利用Python软件输入到构建好的长短期记忆神经网络(LSTM)模型中,得...

【文章页数】：44 页

【学位级别】：硕士

图2-1LSTM模型结构图
饕?褪欠治?悴闵窬??嗷チ?拥娜?悖?馊?惴直鹗鞘淙搿⒁?藏和输出。但是每一层之间的神经元之间是互不相关的。而RNN循环神经网络的特别之处就在于RNN循环神经网络的隐藏层的输入既有当前时刻的输入，又有上一时刻隐藏层的输出，也就是说，上一次的输出会直接作为下一次的输入。这种链式的特....

图2-2LDA模型关系图
，每一个主题的概率是多少，每个主题都有哪些词，每一个词的概率是多少。LDA模型首先要忽略词在文档中的顺序进而将文档的文本信息转化成可以用于建模的数字信息。LDA模型中的三层关系可以表示为图2-2所示,p(词语|文档)=p(主题|文档)×p(词语|主题)。其中P(词语|文档)是已知....

图3-1店铺占比图
11这些品牌店铺的文本评论数据进行采集，包括该评论的评论时间以及评论的文本内容等字段。2、统计分析对经过网络爬虫得到的的所有数据进行传统统计分析，如图3-1所示，在所挑选的43家售卖电话手表的店铺中直营店、授权店和旗舰店的比例比较平均，品牌授权店占比略大有17家，旗舰店有15家，....

图3-2店铺统计图
11这些品牌店铺的文本评论数据进行采集，包括该评论的评论时间以及评论的文本内容等字段。2、统计分析对经过网络爬虫得到的的所有数据进行传统统计分析，如图3-1所示，在所挑选的43家售卖电话手表的店铺中直营店、授权店和旗舰店的比例比较平均，品牌授权店占比略大有17家，旗舰店有15家，....

本文编号：3890294