基于特征本体的微博产品评论情感分析

[目的/意义] 微博平台产品评论的特征级情感分析问题具有其特殊性,为了对特征分类,解决隐式特征的识别问题,并分析特征情感,提出一种基于特征本体的产品评论情感分析方法。[方法/过程] 该方法利用构建的特征本体对特征词分类,通过计算情感词与特征的搭配权重来识别隐式特征,并构建领域情感词典和微博表情符号词典,计算微博产品评论的特征情感极性和强度。[结果/结论] 构建方法模型,通过采集微博评论数据设计实验,验证了提出方法的有效性。     

词向量语义扩展技术在图书馆智能咨询系统的应用与实现

[目的/意义] 针对目前自动问答系统在语义扩展方面存在的缺陷,提出一种基于词向量的语义扩展技术,设计并实现一个图书馆的智能咨询系统。[方法/过程] 使用基于Word2vec词向量语义扩展技术结合中文分词、共现词匹配技术设计智能问答引擎,结合协同办公的管理理念,实现图书馆智能咨询系统的构建,并对系统的运行数据进行统计分析。[结果/结论] 该系统在工作时间、咨询效果和后台管理上较好地满足设计需求,为图书馆智能化信息咨询系统建设提供参考。     

基于评论情感分析的用户在线评价研究——以豆瓣网电影为例

[目的/意义] 鉴于网络用户评价已成为人们选择产品或服务时的重要参考指标,旨在了解打分评价和评论评价之间的关系,同时为仅有评论评价的网站提供符合潜在分值的排序和推荐功能。[方法/过程] 通过抓取豆瓣电影的用户评价,使用ROST EA工具进行情感分析得到评论评价的综合情绪值,将其与打分评价进行相关分析,并考虑评论文本的情感强度赋权对结果造成的差异,在此基础上通过回归分析构建回归模型并对其进行检验。[结果/结论] 发现评论评价的综合情绪值与打分评价相关性较高,情感强度的赋权情况对结果影响不大,说明可以根据评论评价预测打分,据此给出相应的回归模型。     

基于情感隶属度模糊推理的网络口碑舆情监测评估实证研究——以手机品牌在线评论数据为例

[目的/意义]针对中文网络客户评论,从消费者真实购买体验的网络平台上抓取在线评论信息,构建基于在线评论情感隶属度模糊推理的网络口碑监测评估方法,有助于企业实时监控网络口碑舆情。[方法/过程]以美国消费者满意度模型（ACSI）为基础,从感知质量、感知价值、感知期望和感知情感4个属性方面构建在线评论网络口碑监测评估模型,结合情感隶属度模糊推理算法,从数据准备、情感分析和网络口碑舆情监测评估3个研究阶段,通过模糊推理系统设定计算规则,采用Mamdani方法对网络口碑舆情进行监测评估。[结果/结论]以亚马逊手机品牌在线评论为例进行实例验证,提出的基于情感隶属度模糊推理的网络口碑舆情监测评估方法得到较好的实验检验效果,可以为在线产品的网络口碑舆情监测评估提供信息决策。     

网络隐私争议事件中用户隐私关注及情感对比研究

[目的/意义] 人工智能、大数据等领域的快速发展使得商业发展与隐私保护之间的矛盾愈发尖锐。通过对不同类型的网络隐私争议事件微博评论进行情感及话题对比分析,以探究不同情境下网络用户的隐私态度的异同点与背后机理。[方法/过程] 采集2012年至2019年网络隐私争议事件的相关微博评论,对其进行预处理,作为实验数据;基于情感词典计算各评论的情感强度值,并将隐私争议事件分为隐私收集类、隐私曝光类及隐私协议类,对比分析不同情境下的用户评论情感趋势;构建用户隐私讨论对象-情感表达二分网络,并通过二分网络投影构建单顶点网络,结合节点中心性等指标进行二分网络及投影分析。[结果/结论] 结果表明,用户整体隐私关注呈现上升趋势;不同类型隐私争议事件的用户负面情感强度水平不同;不同隐私争议情境下用户的关注热点差异较大,情感表达各有特点。以上结果表明不同情境中的用户隐私关注及情感表现具有明显差异。     

用户认知视角下在线问诊平台医生推荐研究

[目的 /意义]针对在线问诊平台中医生推荐满意度较低的问题,探究如何将信息技术与用户认知相结合以提升医生推荐系统的效果,有助于优化在线问诊平台的用户体验。[方法 /过程]首先,基于1 500名医生的基本信息和78万余条用户提问,对比TF-IDF、Doc2Vec和Word2Vec三种词向量模型的医生推荐效果,以最优模型构建医生推荐系统原型;然后,通过用户实验和访谈获取用户使用该系统的行为数据,深入挖掘在线问诊平台医生推荐情境中的用户认知与意义构建过程;最后,从用户角度提出模型优化思路,实现原型系统的改进。[结果/结论 ]基于Word2Vec词向量模型的医生推荐效果最优,前10位医生候选集中88%的医生有能力回答用户问题;用户实验结果显示,科室信息与医生专业极大影响用户选择,医生曾回答过的相似问题是用户的重要参考信息;基于以上结果,提出并实现建立科室预测分类器以及为健康医学关键词赋予较高权重的两种模型优化思路,并通过匹配度指数对医生推荐结果进行优化排序。结果表明,两种方法均可提高医生推荐系统的准确度,证明用户认知与人工智能算法结合具有可行性。     

依恋理论视角下用户在线评论信息生成动力机制

[目的/意义]用户投入真情实感所撰写的评论更加具有参考与借鉴价值,从依恋理论的视角探究用户生成在线评论信息的动力机制,为提高用户生成内容质量提供新的理论思路,对从信息源视角实现用户评论信息与用户生成内容的优化管理具有借鉴指导意义。[方法/过程]结合依恋理论、用户生成理论等相关理论研究,以用户依恋作为内驱动力,探讨用户生成在线评论信息的动力来源与动力结构,分析依恋对用户生成在线评论信息的驱动方式、驱动过程以及影响用户生成在线评论信息的依恋驱动因素。[结果/结论]认为用户表达自我、实现自我、愉悦自我是生成在线评论信息的内在动力来源,用户依恋对其生成在线评论信息存在导向驱动、激励驱动与调节驱动等3种驱动方式。影响用户生成在线评论信息的依恋驱动因素主要包括用户情感依恋因素与认知依恋因素,激发用户情感依恋与认知依恋的深层认同是优化用户生成评论的重要途径。     

共享住宿与酒店用户评论文本的跨平台比较研究:基于LDA的主题社会网络和情感分析

[目的/意义]共享住宿与酒店预定平台可能同时存在替代性和互补性,但这种替代性和互补性分别体现在哪些产品和服务上当前文献还缺乏探讨,需要进一步开展跨平台的比较研究。[方法/过程]选取携程酒店预定平台和小猪短租平台为实验对象,采集北京市相关房源的86635条用户评论文本,结合LDA模型、主题社会网络和主题情感分析方法对用户文本评论进行跨平台比较分析。[结果/结论]研究发现两大平台用户在评论主题、主题社会网络和主题情感上的异同之处,从微观用户评论角度解释了两大平台在产品和服务上的替代性和互补性。本文结果为平台管理者进行住宿产品和服务的开发和改进提供重要的实践借鉴。     

移动社交网络用户对产品推荐信息反应意愿研究

[目的/意义]研究移动社交网络情境中用户与联系人关系、用户感知联系人行为如何影响用户对产品推荐信息反应意愿,并就研究结果提出管理对策。[方法/过程]通过手机微信平台收集的316份有效问卷,运用偏最小二乘回归法对数据进行分析。[结果/结论]结果表明：对联系人推荐的认知信任和情感信任正向影响用户对产品推荐信息反应意愿;亲密度和过去经历正向影响联系人推荐的认知信任和情感信任;过度发布行为负向影响联系人推荐的认知信任和情感信任。但是,相似性与对联系人推荐的认知信任和情感信任之间关系未获得支持。     

面向社交媒体的细粒度ADR本体的半自动构建方法研究

[目的/意义]提出一个药物不良反应本体的半自动构建方法，构建的细粒度药物不良反应本体为利用社交媒体挖掘潜在的药物不良反应信号提供语义资源库。[方法/过程]首先，采用业务层次和语言层次相分离的设计理念，将用户在社交媒体中评论的药物不良反应表示成"对象要素-属性要素-描述概念"的形式。细粒度体现在社交媒体用户对药物同一不良反应描述概念表达的多样性上。然后，基于深度学习的思想，利用基于word2vec的描述概念候选词抽取算法自动地抽取出更多的描述概念候选词构建本体。[结果/结论]以糖尿病药物的建模实例表明，提出的细粒度药物不良反应本体的半自动构建方案，提高了本体构建的智能化水平，构建的细粒度药物不良反应本体为利用社交媒体挖掘潜在的药物不良反应信号提供语义资源库。     

����Word2Vec��CNN�IJ�Ʒ����ϸ������з���ģ��

��[Purpose/significance] To construct a fine-grained sentiment analysis model for product reviews based on Word2Vec and CNN.[Method/process] This paper firstly applied Word2vec to build product feature vocabulary and noise vocabulary based on product reviews, secondly extracted the feature words from product reviews by the noise vocabulary, then classified the product reviews according to product features sentiment, finally realized product reviews clustering based on product features.[Result/conclusion] The model was trained and tested by the reviews of Huawei mobile phone on JingDong Mall,the results showed that the model could effectively realize fine-grained sentiment analysis of product reviews and find out users focus and satisfaction on product features.     

基于词向量扩展的学术资源语义检索技术

[目的/意义] 尝试以统计的方法为指导思想,探究基于词向量扩展的语义检索技术来提升学术资源的语义检索能力。[方法/过程] 利用自然语言处理、文本挖掘技术,对采集来的学术资源（主要是学术论文）元数据进行预处理,结合word2vec词向量生成工具和elasticsearch全文检索引擎搭建语义检索系统,对学术资源进行语义检索的探索研究。[结果/结论] 本文提出的方法能够有效提升学术信息的检索效果,一定程度上实现学术资源的语义检索,并为后续语义检索的进一步研究提供借鉴。     

融合主题与情感特征的突发事件微博舆情演化分析

[目的/意义]微博是突发事件网络舆情传播的重要媒介。面向突发事件的微博主题和情感挖掘对掌握突发事件的网络舆情、识别与预测潜在问题及风险等方面具有重要的实践意义。尝试提出一种融合主题与情感特征的突发事件微博舆情演化分析方法。[方法/过程]以寨卡事件为例,通过划分微博舆情演化的生命周期,基于word2vec技术分别提取该事件生命周期各阶段的微博主题,采用基于词典的情感分析方法,引入情感词、表情符号等多情绪源,对不同主题下的评论情感做细粒度划分,并计算情感强度,最终实现微博主题与情感的协同分析。[结果/结论]所提出的微博舆情演化分析方法能够揭示面向特定事件的微博在突发事件生命周期各阶段的主题特征、情感类型与强度,剖析网络舆情主题与情感特征的协同演化规律。     

感性工学视角下的用户需求挖掘研究

以用户需求为中心的产品设计和营销策略,可以帮助企业在市场竞争中获得优势。而社会经济的快速发展,使得用户对产品的要求逐渐提高。用户期望产品在具备功能性特征的同时,拥有符合感性美学的设计,从而满足自身的感性需求。感性工学作为一种将用户感性情感与产品设计要素相关联的研究框架,可以有效挖掘用户感性需求。因此,本文在感性工学的视角下,以产品评论为语料,利用word2vec模型和滑动窗口技术半自动化生成用户感性情感词典和产品特征词表,并在此基础上提出特征-感性情感模型。本文以iPhone手机的产品评论为例,验证模型的有效性。结果表明,相较于传统的情感词典,结合感性工学理论进行情感分析可以更为有效地捕获用户感性需求,为企业提供决策支持。     

基于情感分析的移动图书馆用户生成内容评价效果研究

[目的/意义]通过对移动图书馆用户生成内容的情感分析,预测用户情感倾向对移动图书馆资源的评价效果,从而更好地实现移动图书馆资源推广和精准推荐服务。[方法/过程]基于情感分析提出移动图书馆用户生成内容评价效果分析过程,以获取的"掌阅图书馆"中15部年度畅销书籍的用户生成内容为研究样本,对数据进行预处理,在此基础上从领域词典构建、情感分类、评价效果3个过程入手进行分析。[结果/结论]数据分析结果表明,移动图书馆UGC用户情感倾向具有多元性和一致性,中性评价具有重要性,能够较为准确地预测移动图书馆资源的得分情况。将情感分析相关理论和方法引入移动图书馆UGC研究,能够为移动图书馆完善其服务措施、提高其服务质量提供参考意见。     

多源数据环境下科研热点识别方法研究

[目的/意义] 在科学研究中,从不同来源的科技文献中识别挖掘科研热点对于开展科研工作具有指导意义。旨在通过本研究提出的模型方法,快速准确地识别蕴含在多源文本中的热点主题,为科研创新提供支撑服务。[方法/过程] 提出一种基于LDA2vec模型的多源文本下科研热点识别的方法并针对科研热点识别构建模型,该方法融合LDA主题模型对隐含语义挖掘的优势和Word2Vec词向量模型对于上下文关系把握的优势。以机器学习领域的科技文献为例,利用模型困惑度和主题一致性两个指标对LDA2vec的在本领域应用的可行性和有效性进行验证,并与LDA的主题提取效果进行对比。[结果/结论] 实验结果表明,提出的方法在面对多源数据情况下,进行科研热点识别挖掘是可行的,且在一定程度上有效果的提升,对利用单一数据源进行主题分析的不足进行补充,对多数据源融合的实践应用进行丰富。     

��Դ���ݻ����¿����ȵ�ʶ�𷽷��о�

��[Purpose/significance] In scientific research, identifying mining scientific research hotspots from different sources of scientific literature is of guiding significance for carrying out the next scientific research work. It aims to quickly and accurately identify hot topics contained in multi-source texts through the model method proposed in this study, and provide support services for scientific research innovation.[Method/process] This paper proposed a method based on LDA2vec model for multi-source text research hotspot identification and built a model for scientific research hotspot identification. This method combined the advantages of LDA topic model on implicit semantic mining and the context of Word2Vec word vector model. Taking the scientific literature in the field of machine learning as an example, the model extraction degree (perplexity) and topic coherence (topic coherence) were used to compare the topic extraction effects of LDA2vec and LDA in the context of multi-source text.[Result/conclusion] After experiments, the results show that the method proposed in this paper is feasible and can be improved to some extent in the face of multi-source data. The method can relatively quickly and accurately identify the hot content in the multi-data source text, make up for the shortcoming of the single analysis data source for subject detection, and enrich the practical application of the multi-data source fusion theory system.     

图片情感分析研究综述

[目的/意义]基于图片的情感分析已逐渐成为情感分析的潜在研究热点。本文回顾与总结了图片情感分析的历史与现状,有助于相关研究工作的推进。[研究设计/方法]从传统的视觉情感分析方法和深度学习两个方向对图片情感分析相关研究的技术方法进行梳理并评述。[结论/发现]随着图片情感分析粒度的细化,进一步的研究方向在于深度学习算法和标注方式的优化;同时,加快带有情感标签图片数据集的开放进程,可以更好地推动研究者在此领域研究的不断深入。[创新/价值]深入梳理了图片情感分析现阶段的研究重点与未来发展方向,为该领域进一步研究提供相关借鉴。