结合产品特征的评论情感分类模型

• 作者: 喻涛 罗可
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 情感分类 卷积神经网络 产品词向量 加权池化层 dropout算法
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 108-114
• 页数: 7页
• 分类号: TP18
• 字数: 5906字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1805-0146

摘要

结合不同产品的评论词信息来构建智能化的情感分类器,提出一种结合产品特征的在线商品评论情感分类模型PWCNN(Product Weight Convolution Neural Network).模型首先进行产品词特征的词向量训练,将评论文本以及产品信息进行向量乘法组合,结果作为模型输入.然后根据句子的重要性,采用池化加权的卷积神经网络来学习评论的文档级表示.为了防止过拟合且提高泛化能力,在输出层采用dropout策略.实验结果表明,PWCNN模型在平均准确率和F1值等指标上取得最好结果,且提高了模型训练速度.