基于深度学习的电商用户评论情感分析

随着我国移动互联网和互联网金融的快速发展,为更好地让商家和用户理解与分析电商平台上的用户评论,为了获取商品评论中的情感特征并捕捉更多的情感信息,可以使用深度学习技术来构建模型。文章提出构建BERT-BiLSTM-CRF模型,该模型将深层语言模型BERT与双向长短记忆网络和条件随机场模型(BiLSTM+CRF)相结合建立新模型,运用BERT模型的嵌入层对句子进行分割,将其转为词向量后传递到BiLSTM模型中,从而获得文本中的属性和情感词,并使用条件随机场来解决远程依赖关系无法识别的缺陷。实验结果表明,通过国际语义评测大会提供的数据集,实验验证了本模型在文本情感分析精度方面的优越性。

锌改性薄片ZSM-5分子筛催化甲醇制芳烃

采用添加尿素的方式成功制备了一种薄片ZSM-5分子筛,对其进行锌改性,考察薄片结构对其催化甲醇制芳烃(MTA)反应性能的影响。采用XRD、SEM、TEM、Ar物理吸附、NH3-TPD等方法对所得到的ZSM-5分子筛样品进行表征。结果表明:薄片结构有利于提高ZSM-5分子筛催化剂在甲醇制芳烃(MTA)反应中的稳定性,锌改性提高了芳烃的选择性;相较传统锌改性ZSM-5分子筛,锌改性薄片ZSM-5分子筛催化剂寿命提高到120 h,芳烃选择性达到59%。