基于深度神经网络的商品评论短文本情感分析研究.doc

第页共NUMPAGES2页
基于深度神经网络的商品评论短文本情感分析研究

基于深度神经网络的商品评论短文本情感分析研究
商品评论的情感走向,直接反映了商品在市场中受欢迎的程度,情感分析可以为公司销售等方面提供了可靠的分析数据。文字表达方式的复杂性导致传统机器学习在文本情感领域的特征提取效果并不尽如人意,需要更优秀的模型来提升性能。论文完成的主要工作如下:1.对数据进行预处理,将汉字符号数字信息化,通过基于多语义的词训练方法修正一词多义的问题。基于TF-IDF方法提取主题词为子任务提供输入支持。经过实验证明该方法可以有效数字化文本信息。2.本文提出了多级Attention机制模型,在模型中主要针对文字级的Attention层,句子级Attention以及段落级的Attention层进行特征提取。实验结果表明模型有效提升了情感分类的准确度。3.模型学习很容易进入局部最优并且在大型语料库中模型训练速度很慢。为了解决这些问题,采用基于Fine-tuning的迁移机制。将已训练成熟的模型参数迁移到本次模型中进行迭代训练,并基于STLR算法对学习率算法进行改进,使模型能够快速收敛。4.评论文本存在重点信息多,表达方式复杂等特性。本文为此搭建了基于Sluice的参数共享网络,进行多任务特征共享,首先在不同数据集上构建多任务模型,然后将隐层学习到的参数进行分块共享,从而使得模型可以学习到不明显或者被忽略的特征信息。融合上述提出的模型结构与提高方法,本文提出了基于TS-BiGRU的深度神经网络模型。经过实验证明该模型在情感分类任务中可以有效提高训练速度和预测结果。