典型文献
基于多层注意力机制的服装电商评论情感分析
文献摘要：
互联网购物逐渐走进人们生活,人们在购物的同时也会留下海量评论文本,这些文本蕴含着巨大的价值和情感倾向,通过分析这些服装电商评论文本情感倾向,为推荐系统提供了参考.传统的算法难以提取到文本更深层次的情感特征,难以达到很好的效果.因此,该文提出了一种基于多层注意力机制BiGRU-SD-Attention的算法模型.首先,通过分布式爬虫采集服装电商评论文本,将文本数据进行清洗,划分为词语级别和句子级别数据集;利用BiGRU网络提取文本的正、负情感特征,然后对词语和句子分别运用注意力机制进行情感特征的重新加权计算;通过多层递进的权重计算,最后分类输出服装电商文本的情感特征倾向.实验结果表明,该算法的准确率达到了94.23％,对比传统的SVM算法(81.67％)以及单一注意力机制的BiLSM-Attention算法(93.50％),在各方面都有了显著的提升.
文献关键词：
分布式爬虫;服装电商评论;双向门控循环记忆网络;注意力机制;情感分析
中图分类号：
作者姓名：
胡新荣;王哲;刘军平;彭涛;何儒汉
作者机构：
湖北省服装信息化工程技术研究中心,湖北 武汉 430200;武汉纺织大学 数学与计算机学院,湖北 武汉 430200
文献出处：
引用格式：
[1]胡新荣;王哲;刘军平;彭涛;何儒汉-.基于多层注意力机制的服装电商评论情感分析)[J].计算机技术与发展,2022(01):67-72
A类：
服装电商评论,BiLSM,双向门控循环记忆网络
B类：
多层注意力,注意力机制,情感分析,互联网购物,下海,评论文本,文本情感倾向,推荐系统,取到,情感特征,难以达到,BiGRU,Attention,算法模型,分布式爬虫,文本数据,词语,句子级,别数,权重计算
AB值：
0.189626
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。
