[发明专利]基于字符级卷积神经网络的民宿顾客意见挖掘方法

摘要

本发明公开了基于字符级卷积神经网络的民宿顾客意见挖掘方法，包括以下步骤：构建网络爬虫，采集全部民宿评论建立出民宿字典、利用TF‑IDF对文本进行特征提取和向量化以及进行可视化的主题聚类、构建民宿主题词典、找出分句后文本内对应的评价条数、基于朴素贝叶斯的弱监督预分类、构建一维卷积核的卷积神经网络进行特征提取，得到情感极性、对感极性进行情感可视化以及验证模型；本发明方法可以从大量带有噪声和虚假的评论数据中挖掘隐藏在这些个性化评论中的情感和用户需求，将有助于企业组织和用户个人的决策行为，同时本发明方法从数据驱动的角度出发，可以挖掘出顾客在各个主题下的满意度情况，结果可为民宿经营者和监管者提供建议。

主权项

1.基于字符级卷积神经网络的民宿顾客意见挖掘方法，其特征在于，包括以下步骤：步骤一：在线民宿评论采集与预处理，构建网络爬虫，采集全部民宿评论建立出民宿字典，然后利用哈工大开源LTP词性标注功能将标点符号利用换行符进行替代，将评论中的主题句进行分解，形成主题评价文本；步骤二：主题聚类，利用TF‑IDF对主题评价文本进行特征提取和向量化之后，使用pyLDAvis对民宿评论进行可视化的主题聚类，得到可视化聚类结果，再按照簇内相似度高，簇间相似度低的主题选取标准选择初始文本文档数k，得到初始模型，再计算各主题t之间的相关性；步骤三：利用于民宿规范文件和可视化聚类结果辅助构建民宿主题词典；步骤四：通过属性词匹配的方式找出分句后主题评价文本内对应的评价条数，然后对对应主题的评价条数进行统计；步骤五：基于朴素贝叶斯的弱监督预分类，通过网络爬虫自动标注部分不具有追评的原评论，假设k为评论的关键词数，j为类别数，评价有两类情感，通过对文本词频向量化的方式计算一个评价的后验概率，输出概率大于0.5，即认为可预分类成功；步骤六：基于C‑CNN‑SA的民宿评论情感分析，将字符级的非结构化评论当做原始信号，按照字符进行去重，并按照字符频率进行降序排列建立字符表，通过查询字符表中的的位置ID的方式将评论向量化，并且构建一维卷积核的卷积神经网络进行特征提取，通过softmax函数输出得到情感极性，通过Keras神经网络工具对本模型的参数进行打印；步骤七：对一维卷积核的卷积神经网络特征提取后得到情感极性进行情感可视化，对比多个主题下的顾客意见倾向，以对比后的多个主题下的顾客意见倾向进行针对性的改善，以此来提高民宿的整体满意度；步骤八：验证模型，使用十折交叉验证的模型评估方法，在等同条件下进行10次实验，使用平均测试集准确度、平均精确度、平均召回率和平均F值作为评价指标进行模型有效性的验证。