基于Bert-BiLSTM的商品评论情感分析研究

摘要：

商品评论为商家的选品和用户的购买提供了重要的决策帮助.为了获得商品评论的情感特征,并在评论中捕捉更多的情感信息,本研究提出一种Bert-BiLSTM的情感分类模型,运用斯坦福情感分析数据集、亚马逊商品评论数据集做一个情感分类模型,该模型利用Bert嵌入层对句子进行分割并将其转换为词向量,然后将其传递到BiLSTM模型中,以获取评论文本中的属性和情感词;训练后的模型使用混淆矩阵作为评价指标,相比其他深度学习模型在最终结果上表现出明显优势.将训练好的模型对结果进行分类和预测,从而分析结果的情感,这就为用户与商户在购买商品或选品时提供了建议方向和引导情绪.

关键词：文本分析、Bert、BiLSTM、深度学习、NLP、情感分析、机器学习

所属期刊栏目：12

分类号：TP183(自动化基础理论)

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：186-191