P2P网贷平台情感分析系统的设计与实现.pdf

摘 要 P2P （Peer to Peer ）网贷平台情感分析用于提取网络文本中的借贷实体并对其进行 情感分析，所得结果影响用户后续的决策行为。传统贷款平台提取及分析方法大都需人 工参与，费时费力且获取结果和极性判别效果并不理想。本课题设计与实现网贷平台情 感分析系统。系统基于卷积神经网络CNN （Convolutional Neural Network ）以及循环神 经网络RNN （Recurrent Neural Network ）构建提取和极性判别算法模型，能够自动实现 网贷平台提取与情感极性判别，可提升实体抽取效率及情感判别准确度。 本文分析国内外文本情感分析系统研究现状，针对网络金融文本语料信息，通过需 求分析及系统设计实现P2P 网贷平台情感分析系统。论文主要工作与研究内容如下： （1）数据预处理。对网络金融文本数据统一进行去重、去噪等数据清洗工作，针 对后续不同任务分别进行文本序列标注、文本分句表示处理和实体位置获取。 （2 ）网贷平台实体提取算法模型选择。分别构建基于长短期记忆网络（Long Short-Term Memory，LSTM ）及基于膨胀卷积神经网络（Iterated Dilated Convolutional Neural Network，IDCNN ）的算法模型。然后针对不同规模网络金融文本数据集进行对 比实验。基于LSTM 的算法模型均可达到97% 以上平均准确率，而基于IDCNN 的提取 模型则能够达到98.9%及以上的平均准确率。实验结果表明基于IDCNN 提取模型具有 损失小、正确率高的特性。因此我们选择该模型实现网贷平台实体的提取。 （3 ）网贷平台极性判别算法模型选择。论文分别采用LSTM 以及双向长短期记忆 网络（Bidirectional Long Short-Term Memory，BILSTM ），将网贷平台提取结果及对应 文本信息作为输入。两个模型F1 值均达到90% 以上。实验表明基于BILSTM 的情感极 性判别模型更优。因此选择该模型用于情感分析系统的网贷平台情感判别。 （4 ）模型训练。采用谷歌发布的BERT 中文预训练模型对网络文本数据训练词向 量，并使用K 折交叉验证算法进行模型训练以及性能评估。 （5 ）系统实现。系统选用Visual Studio Code 作为前后端开发工具。前台结合Vue 、 Elementui 以及Echarts 实现功能模块设计及数据显示。后台通过Python 进行算法设计， Ajax 实现前端数据传输、获取及网贷平台提取以及极性判别算法接口调用。 关键词：P2P 网贷平台；BERT ；文本情感分析；命名实体识别；长短期记忆网络 III 目 录 摘 要 III Abstract IV 1 绪 论 1 1.1 研究背景 1 1.2 研究目的和意义 1 1.3 国内外研究现状2 1.4 研究内容 4 1.5 论文组织结构 5 2 相关理论与技术7 2.1 文本预处理技术 7 2.2 预训练技术 7 2.2.1 传统预训练技术8 2.2.2 主流预训练技术8 2.3 深度神经网络 10 2.3.1 长短期记忆网络LSTM 10 2.3.2 卷积神经网络CNN 11 2.4 实体识别技术 13 2.4.1 命名实体识别技术 13 2.4.2 CRF 条件随机场模型 14 2.5 本章小结 15 3 网贷平台提取算法研究与模型构建 16 3.1 文本数据预处理 16 3.1.1 数据信息以及清洗 16 3.1.2 序列标注 17 3.2 网贷实体提取算法模型构建 18 3.2.1 BERT-CRF 算法模型构建流程 19 3.2.2 BERT-LSTM-CRF 算法模型构建过程 19 3.2.3 BERT-BIL