文献类型：期刊文章

作　　者：国显达[1] 那日萨[1] 崔少泽[2]

GUO Xianda;ZHAO Narisa;CUI Shaoze(Institute of Systems Engineering,Dalian University of Technology,Dalian 116024,China;Institute of Information and Decision Technology,Dalian University of Technology,Dalian 116024,China)

机构地区：[1]大连理工大学系统工程研究所,大连116024 [2]大连理工大学信息与决策技术研究所,大连116024

出　　处：《系统工程理论与实践》

基　　金：国家自然科学基金(61471083);教育部人文社科研究规划基金(14YJA630044)。

年　　份：2020

卷　　号：40

期　　号：3

起止页码：653-663

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、CSSCI、CSSCI2019_2020、EBSCO、EI、IC、JST、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘　　要：现如今,商品在线评论的情感分析业已成为许多商家不可忽视的重要工作,它对于商家了解用户偏好有着重要意义,同时,它还能够为相关产品下一步的改进工作提供方向指导.然而,传统的分析方法已无法解决现在情感分析中特征提取及语义理解等方面存在的问题.针对此类问题,本文提出一种基于CNN-BiLSTM的在线评论情感分析方法,不仅可以像LSTM一样建立时序关系,而且可以像CNN一样刻画局部空间特征.医疗服务、物流快递、金融服务、旅游住宿和食品餐饮数据集的实验结果表明,该方法能有效判别消费者在线评论情感倾向,在文本的情感分类中效果较传统机器学习算法更准确,F1值可以达到94.67%.同时,实验证明该方法具有较好的领域可拓展性.

关 键 词：情感分析 在线评论  深度学习  CNN模型  BiLSTM模型  

分 类 号：TP391]