基于生成式对抗网络和评论专业类型的情感分类研究

摘要：

[目的]研究评论文本中专业评论家和普通观众表达情感的方式的差异,提高评论情感分类的准确率.[方法]利用用户的专业类型辅助判断评论的情感极性,使用生成式对抗网络分析评论来自专业评论家还是普通观众,通过捕获两者在表达情感方式上的差异性,进一步提高评论情感分类的准确度.[结果]实验证明,提出的基于生成式对抗网络和评论专业类型的情感分类模型G JOINT准确率达到0.836,比基准模型LSTM、BiLSTM分别提高了5.6％、4.4％.[局限]实验数据集只选取电影评论数据集,在其他领域数据集上的有效性需要进一步验证.[结论]提出的基于生成式对抗网络和评论专业类型的情感分类模型G JOINT能有效提高在线评论情感分类的效果.

关键词：情感分类、生成式对抗网络、评论专业类型、LSTM

所属期刊栏目：5

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：72-79