發(fā)布時(shí)間：2024-01-14 14:29

　　隨著電子商務(wù)平臺(tái)的快速發(fā)展,越來(lái)越多的人在網(wǎng)絡(luò)上發(fā)表自己的觀點(diǎn)。對(duì)于商家,通過(guò)分析消費(fèi)者留下的評(píng)論信息可以更加準(zhǔn)確地把握消費(fèi)者的需求動(dòng)態(tài),從而生產(chǎn)出更加符合消費(fèi)者需求的商品。對(duì)于消費(fèi)者,他們可以從其他消費(fèi)者留下的評(píng)價(jià)信息中獲得更加客觀的商品信息,從而對(duì)商品的質(zhì)量和自己需求的契合度有更加直觀的認(rèn)識(shí)。由于這些帶有主觀傾向的評(píng)價(jià)具有很大的分析價(jià)值,因此細(xì)粒度情感分析成為當(dāng)前自然語(yǔ)言處理領(lǐng)域的一個(gè)重要研究方向。針對(duì)深度學(xué)習(xí)方法中存在注意力機(jī)制無(wú)法對(duì)目標(biāo)詞進(jìn)行正確定位,導(dǎo)致細(xì)粒度情感分析準(zhǔn)確率低的問(wèn)題,提出一種基于改進(jìn)注意力機(jī)制的中文細(xì)粒度情感分析模型Bi LSTM-WVMA。模型的輸入分為兩部分,一部分將word2vec詞向量特征與基于詞頻統(tǒng)計(jì)的TF-IDF特征進(jìn)行特征融合,構(gòu)成權(quán)重詞向量,并將其分別輸入到Bi-LSTM和注意力機(jī)制中。另一部分為細(xì)粒度要素的word2vec詞向量特征,將該部分也輸入到注意力機(jī)制中以構(gòu)建匹配注意力機(jī)制。利用匹配注意力機(jī)制同時(shí)捕獲上下文信息和細(xì)粒度要素信息,并為每一個(gè)詞語(yǔ)分配一個(gè)注意力權(quán)重。生成的注意力權(quán)重再結(jié)合Bi-LSTM提取的特征一起送入softmax中,得...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3878405