基于AM的BLSTM网络电商评论情感倾向分类

论文摘要

针对电商评论中所包含的消费者情感倾向信息问题,提出一种基于注意力机制和双向长短期记忆（bidirectional long-short term memory,BLSTM）网络的情感倾向分类模型。该模型使用预训练的字向量作为输入特征,通过双向长短期记忆网络来学习文本的语义特征。依此特征,设计了一种新的注意力机制来捕捉BLSTM模型生成的文本语义特征中重要的信息,以降低文本中冗余噪声对于情感倾向分类的影响。实验结果表明,与传统机器学习方法以及长短期记忆模型和双向长短期记忆模型相比,所提出模型在电商评论的情感倾向分类上取得了较好的结果。

论文目录

• 1 相关工作
•   1.1 LSTM与自然语言处理
•   1.2 词向量
•   1.3 LSTM模型
• 2 模型构建
•   2.1 文本向量化
•   2.2 BLSTM层
•   2.3 注意力层
•   2.4 模型的训练
• 3 仿真实验
•   3.1 实验环境
•   3.2 数据处理
•   3.3 字向量和词向量的训练
•   3.4 实验设计
•     1)“LSTM+word（pretrained）”模型:
•     2)“LSTM+ character（pretrained）”模型:
•     3)“BLSTM+word（pretrained）” 模型:
•     4)“BLSTM+ character （pretrained）” 模型:
•     5)“Attention-BLSTM” 模型:
•     6)传统机器学习模型:
•   3.5 实验结果与分析
•     3.5.1 实验结果
•     3.5.2 实验结果分析
•       1) 普通LSTM模型与BLSTM模型对比:
•       2) Attention-BLSTM模型与BLSTM模型对比:
•       3)Attention-BLSTM模型与机器学习方法:
• 4 结语

文章来源

类型: 期刊论文

作者: 梁海霞,张凌东,贾蓉

关键词: 情感倾向分类,注意力机制,双向长短期记忆网络,电商评论

来源: 西安邮电大学学报 2019年05期

年度: 2019

分类: 信息科技,经济与管理科学

专业: 计算机软件及计算机应用,自动化技术,企业经济,贸易经济

单位: 西安邮电大学宣传部,西安邮电大学计算机学院

基金: 陕西省软科学基金资助项目(2018KRM079)

分类号: F713.36;F274;TP391.1;TP183

DOI: 10.13682/j.issn.2095-6533.2019.05.013

页码: 74-80

总页数: 7

文件大小: 692K

下载量: 41