典型文献
基于深度学习的不均衡评论文本情感分析模型
文献摘要：
[目的/意义]旨在为提高不均衡文本情感分析性能提供参考.[方法/过程]结合深度学习思想,建立一种基于LWC-BiLSTM的不均衡评论文本情感分析模型.首先,采用LWC(LDA-Word2vec-CNN)模型对原始评论集做抽样失衡处理,提取特征词和词语间语义信息,生成特征矩阵,并将其与训练好的词向量组合,作为均衡评论集输入矩阵;然后,选用BiLSTM算法进行情感分类;最后,将带有情感标签的评论基于商品特征聚类,进一步了解用户对商品的关注情况及商品自身的优缺点.[结果/结论]LWC模型是一种高准确率的不均衡文本处理方法,能对评论特征词有效提取;BiLSTM算法较其他算法具有更好的情感分类效果;LWC-BiLSTM模型可提高类别不均衡文本的深度学习性能,有效对不均衡评论文本进行情感分析.
文献关键词：
不均衡评论文本;深度学习;情感分析;LDA-Word2Vec-CNN;双向长短期记忆网络
中图分类号：
作者姓名：
温廷新;陈依琳
作者机构：
辽宁工程技术大学工商管理学院 辽宁葫芦岛 125105
文献出处：
引用格式：
[1]温廷新;陈依琳-.基于深度学习的不均衡评论文本情感分析模型)[J].情报探索,2022(07):14-22
A类：
不均衡评论文本
B类：
文本情感分析,分析性能,学习思想,LWC,BiLSTM,LDA,Word2vec,评论集,提取特征,特征词,词语,语义信息,特征矩阵,练好,词向量,向量组,集输,情感分类,有情,商品特征,特征聚类,文本处理,评论特征,有效提取,分类效果,类别不均衡,学习性,Word2Vec,双向长短期记忆网络
AB值：
0.296935
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。
