學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Has files: NoSubject: search.filters.subject.sentiment analysis

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    使用卷積神經網路進行飯店評論的情緒分析
    (2021) 蕭承豪; Hsiao, Cheng-Hao
    隨著網路與科技的蓬勃發展，產生了愈來愈多的數據與資料，就文字方面，評論方面占著一個很大一定的比例，這些評論的對象大多是人、產品、服務或活動等。其中線上旅遊論壇的興起使網路成為尋求旅行資訊的主要手段。旅行者在社交網站上相互交流並分享他們的觀點和經驗，每天產生大量評論，以至於產生在線酒店評論信息過載的問題。將近95％的旅行者在做出預訂決定之前先閱讀了在線酒店評論，並且超過三分之一的旅行者認為在網上選擇飯時，評論中表達的觀點是最關鍵的因素。因此，有效識別有益性的評論已成為重要的研究課題。 本文藉由擷取歐洲飯店515,000條客戶評論的資料做情緒分析，除了做一般的情緒分析，另外抽取詞性當作特徵，分別為完整資料集，只有形容詞跟副詞的形容詞，以及名詞還有動詞的資料集，經過卷積神經網路的訓練，並觀察實驗結果，效能的評估方式以精準率 (Precision)、召回率 (Recall) 和 F1 分數 (F1-measure, F1)作比較。
  • No Thumbnail Available
    Item
    電影評論之助益性分析研究
    (2018) 徐志廷; Hsu, Chih-Ting
    現今網際網路的蓬勃發展下，巨大的資料量已經是無可避免的趨勢，其中也包含了使用者留下的評論。眾多的評論中不一定每則都是有用的資訊，因此從大量的使用者評論中篩選出有助益性的評論，是本篇論文的研究目標。 評論的有助益性(review helpfulness)並沒有一個標準的定義，只要能幫助使用者有所思考，就能是助益性的一種。因此本研究嘗試透過各項特徵給定評論分數，作為判斷的依據。 本篇論文以雅虎電影中文短篇評論做為研究題材，使用中央研究院中文斷詞系統先將評論進行斷詞處理，再從資料裡找出TFIDF關鍵詞、詞性及評論長度。其中TFIDF關鍵詞經過教育部線上辭典進行同/反義詞擴充，並使用臺灣大學建立的情緒詞詞典NTUSD (National Taiwan University Semantic Dictionary)進行比對，找出每則評論所包含的情緒詞，且計算情緒詞出現的次數。並使用SVM訓練模型及預測結果，得到了79.7%的準確率。