基于BLSTM和注意力机制的电商评论情感分类模型?

摘要：

随着互联网的飞速发展,电商评论中所包含的情感信息对商家愈发重要.面对海量数据,传统的基于情感词典和机器学习算法来进行情感分类的方法已经不再适用.为了有效学习文本特征,减少文本中冗余噪声对于情感分类的影响,提出一种基于双向长短时记忆网络(BLSTM)和注意力机制的情感分类模型.实验表明,相较于传统的机器学习方法和普通的深度学习方法,论文模型在准确率、召回率和F1值指标上均有明显提高.

关键词：电商评论、情感分类、双向长短时记忆网络、注意力机制

分类号：O141.4(数理逻辑、数学基础)

资助基金：国家自然科学基金61105064;陕西省教育厅专项科研计划项目14JK1667;西安邮电大学创新基金103-60208007

在线出版日期：2019-10-15（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：2227-2232