目录
摘要 Ⅲ
关键词 Ⅲ
Abstract Ⅳ
引言
引言 1
1 研究背景意义及现状 1
1.1研究背景 1
1.2研究目的及意义 1
1.3国内外研究现状 2
1.4研究内容及技术流程 3
2 相关技术介绍 4
2.1爬取技术 4
2.1.1网络爬虫 4
2.1.2python 5
2.1.3selenium库 5
2.1.4爬取流程 5
2.2数据处理技术 6
2.2.1分词 6
2.2.2去停用词 6
2.2.3文本向量化 7
2.3模型搭建技术 8
2.3.1深度学习 8
2.3.2TensorFlow及Keras 8
2.3.3双向长短时记忆网络BiLSTM 8
2.4网页搭建技术 10
2.4.1Java 10
2.4.2Thymeleaf 10
2.4.3Springboot框架 10
2.4.4Echarts 11
2.4.5ajax 11
3 产品评论预处理 12
3.1数据爬取 12
3.2文本分词 12
3.3去停用词 13
4 企业产品网络舆情分析模型建立 14
4.1Embedding层 14
4.2Bidirectional层 14
4.3Dropout层 15
4.4Flatten层 15
4.5Dense层 16
5 企业产品网络舆情预测结果与评价 16
5.1损失函数loss 16
5.2预测结果及分析 16
6系统可视化 17
6.1个人中心模块 18
6.2项目中心模块 18
6.2.1 相关新闻 19
6.2.2词云图 19
6.2.3 *51今日免费论文网|www.51jrft.com +Q: #351916072# 
热点用户 20
6.2.4销售分析 21
6.2.5情感分析 21
7 总结与展望 22
致谢 22
参考文献 23
基于深度学习的企业产品网络舆情分析
摘 要
随着现如今信息传播速度加快，越来越多的消费者通过网络平台来传播自身对于产品的看法，使得其他消费者在购买商品前可以通过查阅信息来选择在服务质量、性能等各方面都令人满意的产品。企业为了能够从用户的角度出发来发掘产品的销售潜力，通过收集一定时间以及社交空间内的产品评论进行全方面的分析，将消费者对于产品的态度、看法、意见等进行整理汇总，从而提高企业对于特定产品销售潜力的认知度，为研发新产品提供方向。
本课题基于深度学习的双向神经网络算法，制作了面向企业的对于产品进行网络舆情分析的web应用系统。本系统前端使用SpringBoot集成thymeleaf模板开发web项目，项目的展示与交互采用Echarts和ajax实现。系统后端采用python与selenium实现对特定数据的爬取，以及基于双向神经网络算法来对消费者评论进行分析。
Analysis of Enterprise Product Network Public Opinion Based on Deep Learning
ABSTRACT
With the speed of information transmission accelerating, more and more consumers are communicating their opinions on products through online platforms, so that other consumers can select satisfactory products in terms of service quality, performance and other aspects by consulting information before purchasing products. Enterprises in order to be able to from the perspective of the user to the products sales potential, by collecting a certain time, and the social space of product reviews on all aspects of the analysis of the consumers attitudes towards products, views, opinions and so on carries on the summary, so as to improve the recognition of enterprise for a specific product sales potential, provide direction for research and development of new products.

原文链接：http://www.jxszl.com/jsj/wljs/606901.html