典型文献
一种改进的融合文本主题特征的情感分析模型
文献摘要：
[目的]海量的用户评论对消费者和相关企业具有很大价值,针对评论信息长度过短导致的数据稀疏,主题不明确及分类准确率不高等问题.[方法]本文提出了一种融合主题特征的Bi-LSTM自注意力机制在线评论情感分析模型(TSC-BiLSTM).与传统LSTM方法相比,该方法利用潜在狄利克雷分布(LDA)主题模型获得评论的主题词分布,与评论词向量拼接作为输入,通过Bi-LSTM挖掘全文特征信息,结合self-attention机制动态分配权重.[结果]本模型扩充了原短评论文本的特征空间,降低了数据的稀疏性,明确主题且提高了情感分类的准确性.[结论]在酒店和某外卖平台评论数据集上的实验表明,与相关模型比较,所提出的方法具有更好的性能,为主题情感分析方法提供了一种新的思路.
文献关键词：
LDA;主题词;Bi-LSTM;self-attention;情感分析
中图分类号：
作者姓名：
张帅;黄勃;巨家骥
作者机构：
上海工程技术大学,电子电气工程学院,上海 201620
文献出处：
引用格式：
[1]张帅;黄勃;巨家骥-.一种改进的融合文本主题特征的情感分析模型)[J].数据与计算发展前沿,2022(06):118-128
A类：
B类：
文本主题,主题特征,情感分析,用户评论,评论信息,数据稀疏,分类准确率,融合主题,自注意力机制,在线评论,TSC,BiLSTM,法利,潜在狄利克雷分布,LDA,主题模型,主题词,词向量,向量拼接,特征信息,self,attention,动态分配,分配权重,短评,评论文本,特征空间,稀疏性,情感分类,酒店,外卖平台,评论数据,相关模型,模型比较
AB值：
0.481573
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。
