基于BLSTM和注意力机制的电商评论情感分类模型?

• 作者: 潘晓英 赵倩 赵普
• 来源期刊: 计算机与数字工程
• 学科: 数学
• 关键词: 电商评论 情感分类 双向长短时记忆网络 注意力机制
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 2227-2232
• 页数: 6页
• 分类号: O141.4
• 字数: 5291字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.09.024

摘要

随着互联网的飞速发展,电商评论中所包含的情感信息对商家愈发重要.面对海量数据,传统的基于情感词典和机器学习算法来进行情感分类的方法已经不再适用.为了有效学习文本特征,减少文本中冗余噪声对于情感分类的影响,提出一种基于双向长短时记忆网络(BLSTM)和注意力机制的情感分类模型.实验表明,相较于传统的机器学习方法和普通的深度学习方法,论文模型在准确率、召回率和F1值指标上均有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘晓英	西安邮电大学计算机学院	40	149	7.0	11.0
2	赵倩	西安邮电大学计算机学院	3	4	2.0	2.0
3	赵普	西安邮电大学计算机学院	3	16	2.0	3.0