一种基于深度学习的电商平台用户评论情感分类方法

• 作者: 任晓伟 刘勇
• 来源期刊: 青岛科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 文本情感分类 词向量表示方法 双向长短期记忆网络 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息与数理科学
• 页码范围: 99-106
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.16351/j.1672-6987.2020.06.014

摘要

随着电子商务的发展,用户评论文本呈爆炸式增长,对评论文本的情感倾向进行挖掘有助于为潜在用户及商家品牌提供观点倾向及决策支撑.传统文本情感分类方法存在深层语义挖掘不充分现象,导致下游分类任务效果不理想.本工作提出一种情感分类算法BERT-Bi-LSTM,基于BERT构建文本字向量表示,采用双向长短期记忆网络进行特征提取,结合注意力机制对用户评论文本进行积极、消极情感分类.本工作提出的方案在爬取京东评论数据集上准确率达到95.4％,在IMDB数据集上能达到91.73％的准确率.实验结果表明,该模型有效提高了分类任务的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勇		24	86	6.0	8.0
2	任晓伟		1	0	0.0	0.0