基于电商评论的文本情感分类效果研究.pdfVIP

基于电商评论的文本情感分类效果研究

摘要：挖掘分析评论文本的情感倾向成为近年来自然语言处理领域的研究热点之一。本文以挖掘京东商

城商品评论数据价值为研究视角，以深度学习中的循环神经网络为理论基础，将循环神经网络的各变体模型应

用到文本情感分类任务中，对比不同改进模型的评论文本分类效果。本文首先研究了循环神经网络的变体模型

长短期记忆模型LSTM、门控循环单元模型GRU在京东商品评论文本的分类效果。实验表明，GRU模型在训

练过程中的准确率更高且更早达到优化值，总体GRU网络模型在文本分类的效果优于LSTM网络模型。

其次研究了以情感词驱动的、基于循环神经网络各变体模型的注意力神经网络模型，将各深度神经网络模型与

注意力机制相结合，对比分析各组合模型的情感分类效果。实验表明，引入注意力机制的神经网络模型，较传统

网络模型分类准确率都有所提升，且会更快地达到优化值。

关键词：情感分类；循环神经网络；长短期记忆；门控循环单元；注意力机制

引言限长度的序列信息，由于各层神经网络的参数权重共

电商评信息量大、文本规范性差、内容形式丰享，当模型采用误差反向传播梯度下降法更新权重

富，如果用传统统计分析方法处理分析