典型文献
融合多头注意力机制和BiLSTM的电商评论情感分析研究
文献摘要：
针对电商评论数据缺乏深层次的情感分析和语义知识关联,不利于系统挖掘潜在的消费情感和客户满意度信息问题,以京东电商评论数据为例,提出一种融合多头注意力机制和双向长短时记忆网络模型(bi-directional long short-term memory,BiLSTM)的电商评论情感分析模型.首先,通过词嵌入将文本数据转化为句向量;其次,构建融合多头注意力机制的BiLSTM模型,利用BiLSTM捕获长距离依赖关系,利用Transformer突出全局关键特征;最后,构建分类器实现电商评论的情感分析.实验结果表明,文章提出方法优于现有的机器学习和深度学习方法,其F1值为0.9276.同时,通过详细的对比实验证明了该方法能实现评论文本情感特征的细粒度提取,并能在少样本标注的情况下取得更好的准确率,具有良好的鲁棒性和准确性.
文献关键词：
多头注意力机制;BiLSTM;电商评论;情感分析;细粒度文本
中图分类号：
作者姓名：
杨秀璋;武帅;任天舒;刘建义;宋籍文;廖文婧
作者机构：
贵州财经大学信息学院 贵州贵阳 550025;贵州高速公路集团有限公司 贵州贵阳 550027
文献出处：
引用格式：
[1]杨秀璋;武帅;任天舒;刘建义;宋籍文;廖文婧-.融合多头注意力机制和BiLSTM的电商评论情感分析研究)[J].信息技术与信息化,2022(10):5-9
A类：
B类：
多头注意力机制,BiLSTM,电商评论,情感分析,评论数据,数据缺乏,语义知识,知识关联,系统挖掘,消费情感,客户满意度,京东,双向长短时记忆网络,长短时记忆网络模型,bi,directional,long,short,term,memory,词嵌入,文本数据,句向量,长距离依赖,依赖关系,Transformer,关键特征,分类器,深度学习方法,评论文本,文本情感,情感特征,少样本,样本标注,细粒度文本
AB值：
0.367231
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。
