基于cw2vec与BiLSTM的中文商品评论情感分类

• 作者: 张云华 高统超
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 情感分类 cw2vec模型 BiLSTM模型 注意力机制
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 79-83
• 页数: 5页
• 分类号: TP301
• 字数: 3641字
• 语种: 中文
• DOI: 10.11907/rjdk.191800

摘要

针对方面级情感分类算法在中文领域商品评论中性能不佳的问题,从实际应用场景出发,基于cw2vec模型并结合BiLSTM模型,进行中文商品评论方面级情感分类.通过对数据进行预处理,训练中文词向量,提取评论语句文字笔画信息特征;然后对评论语料构建基于注意力机制的BiLSTM模型进行情感分类,计算注意力向量权重,利用双向网络结构特点捕捉语义依赖信息.实验结果表明,当训练语料分布合理时,该方法准确率达到83.2％,比Skip-gram模型提高了3.3％.该方法在中文方面级情感分类任务上能获取中文语义信息,分类效果更好,有效提高了分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云华	浙江理工大学信息学院	76	342	11.0	16.0
2	高统超	浙江理工大学信息学院	2	0	0.0	0.0