基于MABM的消费者情感倾向识别模型——以电影评论为例

摘要：

识别线上消费者群体评论的情感倾向,有助于优化平台推荐算法及提升服务质量,如何有效识别消费者情感倾向,是一个热门的研究选题.本文基于多头自注意力机制的双向长短期机制提出MABM(Multi-head self-Attention and Bidirectional long-short term Memory neural network)情感倾向识别模型,采用知名电影点评网站豆瓣点评在线评论数据作为语料,使用文本挖掘工具对数据进行预处理,以10个机器学习模型和4个深度学习模型为对照组,按照8:2划分训练集和测试集来验证对比评估MABM模型的有效性和稳健性.两组对比实验结果发现,深度神经网络模型预测效果整体优于机器学习模型,并且以MABM模型的分类效果最佳.MABM模型能够有效识别消费者评论的情感倾向,使推荐算法能有效结合消费者的心理行为,以获得更显著的营销效果.

关键词：情感分析、深度学习、多头自注意力机制、双向长短期记忆神经网络

所属期刊栏目：39

分类号：TP319.4;F713.8(计算技术、计算机技术)

资助基金：国家自然科学基金;全国教育科学规划项目;广东省哲学社会科学规划青年项目;广州市哲学社科规划课题

在线出版日期：2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9