论文——基于LSTM的购物网站用户评价的情感分类研究

《论文——基于LSTM的购物网站用户评价的情感分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于LSTM的购物网站用户评价的情感分类研究摘要：随着电子商务和物流的发展，越来越多的人开始转向于网络购物和消费。对于销售者而言，商品的用户评价对该商品的下一步的销售策划和销售定位具有指导性作用，同时经营者也可以依据此数据更好的把握顾客需求和完善用户的购买体验，但由于购物网站上的用户评价往往是海量数据，凭人工评判某一系列评论的情感偏向是非常浪费人力和物力的。本文针对此问题，提出一个依据LSTM模型和词向量的自动化解决方案。本方案采用将一条语句转换为词向量的方法，运用LSTM神经网络模型，在KERAS深度学习框架之下对该模型进行有监督的学习和训练，进行

2、用户评论质量的评估。LSTM神经网络模型相比于传统的RNN神经网络模型能很好的解决由于学习距离过长靠后的神经节点对前方神经节点感知能力下降的问题，因此LSTM神经网络模型能够更好的完成用户语句的情感分析任务。实验表明该模型对用户评论的情感属性二级分类的正确率达到90%以上。关键字：情感分类神经网络LSTM用户评价LSTMBasedontheClassificationofEmotionaboutUsers’EvaluationonShoppingSiteAbstract：Foracommodity,theusers’evaluationplayave

3、ryimportantroleforthemarketpositioningandsalesplanofthisproduct,andbusinessescanalsobaseonthesedatatoimprovetheuser'spurchaseexperience.However,therearealotdataofuser'sevaluationontheshoppingsites,soitisverywastefulofhumanandmaterialresourcestoevaluateofaseriesofreviewsoftheemo

4、tionalattributesbyhand.Aimingatthisproblem,weproposeanautomationsolutionbasedontheLSTMmodel.Thisprogrammakethesentenceconvertintoawordvector,andmakethemodelstudyandtrainingwithateacherundertheframeworkofdeeplearningofKERASbyusingtheneuralnetworkmodelofLSTM.Comparedtothetraditio

5、nalmodelofRNN,theLSTMdoesabetterworkonthisquestionoftherewardneuronsreacttothefrontneuronsdullyduetothelearningdistance.Therefore,theneuralnetworkmodelofLSTMisabletoresolvethequestionSentimentanalysisonuser’sstatementbetter.Theexperimentalresultshowsthatcorrectratecanreach90%on

6、thetwolevelclassificationofSentimentanalysis.Keywords:EmotionalClassificationNeuralNetworkLSTMUserEvaluation引言互联网时代，网络购物平台每日销售数以万计的商品，在购买商品之后，用户也会通过网络购物平台的评论通道对其所购买的商品给予评价。这些评价对于销售商来说往往蕴含着巨大的商业信息，有助于投资者了解电子商务网站的市场潜力和品牌价值，同时也能为其他顾客提供参考的依据并帮助其更快找到理想的购物网站，所以对用户的反馈与评价进行情感分类是很有必要的。随

7、着网络媒体的发展，大量文本需要使用自然语言技术对其自动分析处理。情感分析任务作为自然语言处理的一个重要组成部分，是机器认知网络上语言的一个重要环节。情感信息的分类任务可大致分为两种:一种是主、客观信息的二元分类;另一种是主观信息的情感分类,包括最常见的二级分类以及更细致的多级分类[2]。对于情感分类这一复杂任务目前有很多方法进行解决，比如文献[3]所采用支持向量机(SVM)的方法[3]等等，但支持向量机存在着“维度灾难”和“过拟合”的问题，且计算量过大，本文采用基于递归长短时记忆神经网络模型(LSTM)对用户的评论进行二级分类。在中文文本处理中，如何

8、将中文文本进行数据化表示一直以来都是一个难点，现使用较为广泛的表示法有词袋模型(bag-of-wordsmo