基于深度学习的不均衡评论文本情感分析模型

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.

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

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省社会科学规划基金项目L14BTJ004

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：14-22