基于BiGRU-多头注意力的电商评论情感分类

针对电商评论情感分类存在的模型参数多、受参数随机初始化影响等问题,论文提出双向门控循环神经网络(BiGRU)与多头注意力结合的模型用于电商评论情感分类。首先使用BiGRU模型从正反双向提取更全面的语义信息;而后在多个注意力头上并行计算提取出注意力信息;最后将融合两方面信息的特征向量输入到分类器中,完成该模型的构建。对模型进行参数调试,并以准确率和交叉熵为评价标准,对比双向长短期记忆神经网络(BiLSTM)、BiGRU、BiLSTM-单头注意力、BiGRU-单头注意力、BiLSTM-多头注意力及BiGRU-多头注意力6种同系列的主流深度学习模型在电商评论数据上的情感分类效果。结果表明,在相同数据集上,论文构建的模型准确率达到89.91%,相较于其他模型有更好的准确率表现。