文献类型：期刊文章

作　　者：赵冬梅[1,2] 李雅[2] 陶建华[2] 顾明亮[1]

ZHAO Dongmei;LI Ya;TAO Jianhua;GU Mingliang(School of Physics Electronic Engineering,Jiangsu Normal University,Xuzhou,Jiangsu 221116,China;National Laboratory of Pattern Recognition,Institute of Automation,Chinese Academy of Sciences,Beijing 100101,China)

机构地区：[1]江苏师范大学物理与电子工程学院,江苏徐州221116 [2]中国科学院自动化研究所模式识别国家重点实验室,北京100101

出　　处：《中文信息学报》

基　　金：国家自然科学基金(61425017;61403386;61773379);"863"高技术研究计划(2015AA016305);国家社会科学基金(13&ZD189)

年　　份：2018

卷　　号：32

期　　号：8

起止页码：128-134

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：该文主要研究在评论性数据中用户个性及产品信息对数据情感类别的影响。在影响数据情感类型的众多因素中,该文认为评价的主体即用户以及被评价的对象等信息对评论数据的情感至关重要。该文提出一种基于协同过滤Attention机制的情感分析方法(LSTM-CFA),使用协同过滤(CF)算法计算出用户兴趣分布矩阵,再将矩阵利用SVD分解后加入层次LSTM模型,作为模型注意力机制提取文档特征、实现情感分类。实验表明LSTMCFA方法能够高效提取用户个性与产品属性信息,显著提升了情感分类的准确率。

关 键 词：情感分析 协同过滤 LSTM  注意力机制  SVD

分 类 号：TP391]