基于注意力LSTM的评论对象分类

• 作者: 周陈超 孟佳洋 柳孔明 赵波 赵玲瑜
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 用户评论 评论对象分类 LSTM 注意力机制
• 年，卷（期）: 2020,（32）
• 页码范围: 214-215
• 页数: 2页
• 分类号: TP391

摘要

用户评论对网上商城有着非常重要的作用,它能极大推动潜在客户的转化。但是评论涉及商品的方方面面,数量多内容杂,需要进行分类和汇总以抽取核心信息。针对评论对象的分类问题,文章设计一个结合注意力机制的LSTM(Long Short-Term Memory)模型。模型首先使用LSTM训练用户评论,然后采用注意力机制聚焦关键信息优化分类结果。在SemEval-2014数据集上的实验结果证明,模型对评论对象分类的准确率较高。