典型文献
基于TextCNN的文本情感分类系统
文献摘要：
通过分析用户在线评论的文本信息来预测消费者的网购偏好意愿,进而提高消费者的满意度成为众多企业的需求.但庞大的评论数据量使得人工手动对评论文本进行分类打标签难以实现,结合Word2vec和TextCNN模型实现对在线评论进行文本情感分类.对评论文本进行规格化处理,通过结巴分词库等对已处理数据进行分词,即提取关键字词.使用Word2 vec工具对每个分词进行词向量的训练,得到word embedding权重矩阵作CNN模型的嵌入层,采用TextCNN模型训练得到本文的情感分类模型.相比于直接用传统的卷积神经网络CNN默认的词嵌入层,本文训练出来的神经网络模型效果更佳.
文献关键词：
在线评论;Word2vec;TextCNN;卷积神经网络;文本情感分
中图分类号：
作者姓名：
张浩然;谢云熙;张艳荣
作者机构：
哈尔滨商业大学计算机与信息工程学院,哈尔滨150028;哈尔滨商业大学黑龙江省电子商务与信息处理重点实验室,哈尔滨150028
文献出处：
引用格式：
[1]张浩然;谢云熙;张艳荣-.基于TextCNN的文本情感分类系统)[J].哈尔滨商业大学学报（自然科学版）,2022(03):285-292
A类：
结巴分词
B类：
TextCNN,文本情感分类,分类系统,在线评论,文本信息,网购,好意,评论数据,数据量,评论文本,打标,难以实现,Word2vec,模型实现,规格化,格化处理,分词库,关键字词,词向量,word,embedding,权重矩阵,嵌入层,模型训练,练得,分类模型,默认,词嵌入,练出
AB值：
0.34933
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
