隨著電子商務平臺的快速發(fā)展,越來越多的人在網(wǎng)絡上發(fā)表自己的觀點。對于商家,通過分析消費者留下的評論信息可以更加準確地把握消費者的需求動態(tài),從而生產(chǎn)出更加符合消費者需求的商品。對于消費者,他們可以從其他消費者留下的評價信息中獲得更加客觀的商品信息,從而對商品的質(zhì)量和自己需求的契合度有更加直觀的認識。由于這些帶有主觀傾向的評價具有很大的分析價值,因此細粒度情感分析成為當前自然語言處理領域的一個重要研究方向。針對深度學習方法中存在注意力機制無法對目標詞進行正確定位,導致細粒度情感分析準確率低的問題,提出一種基于改進注意力機制的中文細粒度情感分析模型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)計的TF-IDF特征進行特征融合,構(gòu)成權(quán)重詞向量,并將其分別輸入到Bi-LSTM和注意力機制中。另一部分為細粒度要素的word2vec詞向量特征,將該部分也輸入到注意力機制中以構(gòu)建匹配注意力機制。利用匹配注意力機制同時捕獲上下文信息和細粒度要素信息,并為每一個詞語分配一個注意力權(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...

【文章頁數(shù)】：55 頁

【學位級別】：碩士

本文編號：3878405