《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于注意力與Bi-LSTM混合算法的車企輿情情感分析
基于注意力與Bi-LSTM混合算法的車企輿情情感分析
信息技術與網(wǎng)絡安全
李宸嚴,,劉 繼
(新疆財經(jīng)大學 統(tǒng)計與數(shù)據(jù)科學學院,,新疆 烏魯木齊830012)
摘要: 隨著大數(shù)據(jù)時代的來臨,,網(wǎng)絡輿情對消費者情感分析和商家營銷策略產(chǎn)生重大影響,。如何利用大數(shù)據(jù)技術提高車企輿情情感分析效能,受到文本挖掘研究者廣泛關注,。針對傳統(tǒng)RNN在長文本分類中的長期依賴問題,,提出了一種注意力機制與Bi-LSTM結合的混合分類算法(At-Bi-LSTM)。算法利用Bi-LSTM分析車企網(wǎng)絡評論的情感,,引入注意力機制計算不同單詞對評論情感的貢獻權重,,降低長文本中無關詞對分類結果的影響。實驗證明,,At-Bi-LSTM算法在車企輿情情感分類上取得了比樸素貝葉斯,、SVM、LSTM更好的分類效果,。
中圖分類號: TP391.1
文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2021.01.008
引用格式: 李宸嚴,,劉繼。 基于注意力與Bi-LSTM混合算法的車企輿情情感分析[J].信息技術與網(wǎng)絡安全,,2021,,40(1):45-49.
Public opinion sentiment analysis of automobile enterprises based on attention mechanism and Bi-LSTM
Li Chenyan,Liu Ji
(School of Statistics and Data Science,,Xinjiang University of Finance,,Wulumuqi 830012,China)
Abstract: With the advent of the era of big data, online public opinion has a significant impact on consumer sentiment analysis and business marketing strategy. How to use big data technology to improve the efficiency of sentiment analysis of automobile enterprises′ public opinion has been widely concerned by text mining researchers. Aiming at the long-term dependence of traditional RNN in long text classification, a hybrid classification algorithm(At-BI-LSTM) combining attention mechanism and Bi-LSTM is proposed. The algorithm uses Bi-LSTM to analyze the emotion of online reviews of automobile enterprises, and introduces attention mechanism to calculate the contribution weight of different words to the sentiment of comments, so as to reduce the influence of irrelevant words in long text on classification results. Experiments show that At-BI-LSTM algorithm achieves better classification effect than Naive Bayes, SVM and LSTM.
Key words : attention mechanism,;Bi-LSTM,;public opinion of car enterprises;emotion classification

0     引言

  2020年7月,,習近平總書記在一汽研發(fā)總院調研時指出:汽車制造業(yè)國際競爭激烈,,要把民族汽車品牌搞上去,如何提升品牌的形象和溢價效應是首要問題,。隨著互聯(lián)網(wǎng)的發(fā)展,,車企的發(fā)展規(guī)劃、車輛品質、創(chuàng)新水平都受到廣泛關注[1],。網(wǎng)絡評論暗含網(wǎng)民豐富的情感,,通過對評論情感的挖掘,車企可了解近期的網(wǎng)絡輿情,,從而采取相應的應對措施,。因此研究車企網(wǎng)絡輿情情感,對提高車企形象,、維護車企利益具有十分重要的意義,。

  輿情情感識別的關鍵在于對文本情感的識別[2]。當前情感識別方法有兩類:基于情感詞典的方法,、基于機器學習的方法,?;谇楦性~典的方法利用情感詞能映射情感傾向的特點,,通過測度單詞與情感標簽的關聯(lián)度來構建情感詞典,依據(jù)文本中的情感詞判斷其情感類別[3],。此方法雖能實現(xiàn)文本的情感分類,,但存在三方面問題:(1)網(wǎng)絡用語的盛行對情感詞典的構建和維護提出了新的挑戰(zhàn);(2)處理二義性的詞語時分類效果不佳,;(3)無法考慮上下文的語義信息,。基于機器學習的方法逐步成了情感識別領域的主旋律,。PANG B等[4]人最先在電影評論的情感分析中應用了最大熵,、SVM、樸素貝葉斯三種機器學習方法,。大量實驗證明,,基于機器學習的方法在解決情感識別問題時的性能優(yōu)秀。





本文詳細內容請下載:http://forexkbc.com/resource/share/2000003316





作者信息:

李宸嚴,,劉  繼

(新疆財經(jīng)大學 統(tǒng)計與數(shù)據(jù)科學學院,,新疆 烏魯木齊830012)



此內容為AET網(wǎng)站原創(chuàng),未經(jīng)授權禁止轉載,。