基于F-BiGRU情感分析的产品选择方法

摘要：

[目的]为提高产品选择效率,帮助消费者更好地制定购物决策,本文在门限递归单元的基础上,提出一种特征强化双向门限递归单元模型(Feature Bidirectional Gated Recurrent Unit,F-BiGRU).[方法]首先,获取相关产品的在线评论信息;然后对在线评论按照产品属性进行分割;使用正向情感评论和负向情感评论对F-BiGRU模型进行训练;最后使用F-BiGRU模型对产品各属性的评论进行情感量化,得到产品各属性的情感满意程度,并使用TOPSIS法对候选产品进行排序.[结果]选取汽车口碑文本评论数据进行实证,对比相关情感分析方法,F-BiGRU方法提高了情感分析的准确度,更适应在线评论短文本的特点.[局限]深度学习模型需要大规模的数据集,本文方法在一些小数据集上的表现可能不佳.[结论]基于F-BiGRU情感分析的产品选择方法提高了情感分析的准确度,能更高效快捷地帮助消费者进行产品选择.

关键词：产品选择、在线评论、情感分析、深度学习、门限递归单元

所属期刊栏目：2

分类号：C931.6(管理学)

资助基金：国家自然科学基金项目“基于制造大数据的产品研发知识集成与服务机制研究”项目71671057的研究成果之一

在线出版日期：2018-11-20（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：22-30