评论文本相关论文
针对评论文本的个性化推荐算法包括多个功能层。数据预处理层将用户对物品的评语转化为词向量，从而降低算法的计算效率。卷积神经网......
[目的/意义]为了解决评论文本主题识别时语义描述不充分以及学习到的主题语义连贯性不强等问题。本文将Sentence-BERT句子嵌入模型......
现有基于商品评论文本的情感分析方法大都较少考虑评论文本的方面特征，相关分析模型也未同时考虑上下文长期依赖特征和文本局部特征......
本文在神经网络的推荐模型基础上引入自注意力机制，提出一种改进的基于自注意力机制TransNet推荐模型SATransNet。SATransNet模型使......
针对基于位置社交网络中的兴趣点推荐存在用户签到数据稀疏、评论文本信息利用不充分、推荐准确度不高等问题,提出一种基于卷积神......
期刊
情感分类是自然语言处理领域的研究热点之一。对用户在各个社交平台上的评论进行情感分类,有着越来越高的实用价值。本文针对传统......
基于京东平台上生鲜物流评论文本内容，构建了京东生鲜物流客户满意度测评模型。利用网络爬虫、词频统计提取京东生鲜物流评价指标，结......
随着科学技术的不断发展，自媒体时代来临，“万众皆媒”的特征使整个舆论场的主客体位置发生了巨大的转变，麦克风来到了网民的手中。网......
应用LTP语义分析系统和TF-IDF模型等对"三孩"政策相关微博的部分评论文本进行分析,探究其舆论表达过程中的借题发挥现象。研究发......
推荐系统是为了解决“信息过载”问题而产生的一种有效工具,随着推荐系统被广泛应用于新闻、音乐、社交平台和电子商务等领域以满......
推荐系统的研究与应用越来越受到人们的关注,然而数据稀疏性、冷启动、信息过期等问题仍是常见的推荐算法正面临的挑战。为进一步......
近年来,随着移动互联网的大范围普及以及各类App的火热推广,人们开始使用各类电商平台和社交平台进行日常的消费和社交活动,并在平......
截至2021年3月,国内汽车保有量接近三亿辆,汽车正由原来的资产性商品逐渐向消费型商品转型。对不同类型的消费者来说,他们对新车空......
随着互联网的飞速发展,人们可以从互联网上获得的信息也与日俱增。而信息的激增也会带来信息过载的问题,人们虽然可以更容易地找到......
随着网络购物的兴起,电子商务得以飞速发展,越来越多的农副产品也从线下销售平台走入线上电商销售平台。其中,茶叶作为我国的一种......
评论文本中蕴含着丰富的用户和物品信息,将其应用于推荐算法有助于缓解数据稀疏问题,提高推荐准确度.然而,现有的基于评论的推荐模......
文本情感分类领域性强,传统情感分类方法在多领域混合数据上效果不佳.为了提升多领域混合情境下文本情感分类的准确率,使用双向编......
文本情感分析是自然语言处理领域的一个重要任务,它是一种以提炼文本情感内容为目的的文本分类。根据分析粒度的不同,文本情感分析......
互联网技术的快速发展使得信息呈爆炸式增长,由此带来了信息过载的问题,推荐系统可向用户推荐其可能感兴趣的内容,由此缓解该问题......
现有评论文本推荐方法多使用静态词向量技术获取评论嵌入,但单词多义性会对语义理解产生偏差,且特征拼接策略无法平衡用户和商品特......
基于评论文本的深度学习推荐方法主要利用评论文本刻画用户和项目的特征信息,学习用户对项目的评分关系,提升推荐的性能.现有研究......
目前,大多数推荐系统都具有评分数据稀疏性的问题,它会限制模型的有效性.而用户对于某件商品撰写的评论中隐含了很多信息,对评论文......
应用LTP语义分析系统和TF-IDF模型等对“三孩”政策相关微博的部分评论文本进行分析,探究其舆论表达过程中的借题发挥现象.研究发......
随着信息技术的发展,互联网为人们带来便利的同时也产生了信息过载的问题。协同过滤算法作为热门的推荐算法之一,它能极大地提高用......
推荐系统是机器学习乃至深度学习在工业界落地的主要场景。推荐系统是系统根据用户的属性、用户在系统里过去的行为、当前上下文环......
体育评论是指针对体育活动及体育领域出现的倾向性问题或具体赛事等，直接发表意见、阐述观点、表明态度的议论性新闻体裁。其特点是......
深入挖掘和分析生鲜农产品的电商评论数据对于降低消费者的感知风险、辅助消费者决策具有重要意义。首先阐述了中文在线评论文本数......
信息过载造成的数据稀疏性问题制约着基于评分数据的矩阵分解模型的推荐性能,融合评论文本的推荐模型能够有效缓解评分数据稀疏性.......
[目的]构建一种更加科学、准确的评论文本情感倾向性分析方法，解决网络新词难于计算的问题。[方法]利用概念层次网络(HNC)理论......
会议
目前人们已经可以随时随地的对当前发生的新闻事件进行评论以及对网购的商品发表看法。在这些评论文本中,通常包含了评论者的情感......
随着以用户为中心的语义Web2.0的迅速发展,互联网用户的数量也不断增加,随之涌现出批量的评论文本,其中主要包括人们对产品、事件......
文本倾向性分析就是对用户对某个事物的看法或评论文本的挖掘,从而得到该看法或评论是属于对该事物的积极或消极意见,是文本情感计......
伴随着国家大数据战略的实施,以电子商务为首的互联网应用与现代生活深度融合的同时,也逐渐促进了汽车等传统行业市场经营和发展模......
随着信息技术和互联网的飞速发展,电子商务应用广泛普及,逐渐成为人们日常生活中不可或缺的组成部分。但是,电子商务系统在为用户......
随着Web的迅猛发展，网络已经成为完美交流意见、发表观点和展现个性的平台。当今大量用户在微博、论坛、购物网等平台上表达自己的......
自2012以来,MOOCs(Massive Open Online courses)在全球范围内迅速发展,MOOCs为了适合人们在网上学习,把学校中的课堂碎片化,移植......
随着互联网的普及与广泛应用，越来越多的人在互联网上发表自己的主观言论，使得带观点的文本呈爆炸式增长。观点信息（也称情感信息）的收......
随着互联网技术的迅速发展，网络上的信息呈爆炸式增长，给人们带来丰富信息的同时也带来了一定的困扰。面对这海量的信息资源，如何能快......
用户对项目评分数据的稀疏性是影响推荐质量的主要因素之一,提出了融合评分数据和评论文本的深度学习模型,通过引入辅助信息缓解评......
序列到序列模型是文本摘要研究领域应用最广泛的方法。但在此方法中,文本语言特征没有得到充分利用,摘要句存在词语丢失和词语重复......
随着电商行业的迅猛发展,网络购物如雨后春笋般迅速崛起,网购评论数据爆炸式增长,准确挖掘并利用这些能反映消费者情感倾向的信息,......
随着社会媒体和移动应用的快速发展,信息过载问题日益严重,人们从海量的数据中获取有用的信息变得越来越困难。推荐系统的产生可以......
随着信息技术的蒸蒸日上,互联网特别是其中的移动互联网日益成为人民群众生活中至关重要的一部分。人们越来越热衷于在各种网站上......
随着现代化技术的迅速发展,互联网已成为实现人们进行交流的最重要的一个途径。越来越多的互联网用户通过网络的途径来表达自己的......
随着移动互联设备的普及和各种社交app的兴起,个性化推荐系统早已从传统的电子商务和新闻推荐领域渗透到人们生活的方方面面。推荐......
