基于Sword2vect的中文在线商品评价情感分析

商品的在线评论情感分析已经成为一个热门的研究话题。为了更好地解决情感分析中词语的上下文信息和词语的情感信息缺失问题,提出了一种基于句子情感得分加权句向量的Sword2vect情感分析方法,对中文在线评价进行情感分析。首先用基于词典的方法计算出评论句子的情感得分并对其进行预处理保证所有正向评论句子的情感得分为正,负向评论情感得分为负,用word2vect算法得到含有上下文信息评论的句子向量,然后用情感得分对句子向量进行加权得到情感句向量Sword2vect,用支持向量机算法对训练数据集进行训练得到模型,最后调用训练好的模型对测试数据集进行情感分析。采用基于情感得分加权的Sword2vect算法和word2vect词向量算法以及tf_idf特征词向量算法分别对京东手机在线评价以及谭松波酒店评价这2个数据集进行情感分析,从精确度、时间等方面进行比较。实验结果表明:基于情感得分加权的Sword2vect算法精确度较word2vect词向量算法精确度提升了10%~20%,相比于tf_idf特征词向量精度提升了20%~30%,Sword2vect算法的时间效率较其他2个算法也得到了较大的提升。

融合深度特征的Sword2vect商品在线评价情感分析

商品在线评论情感分析已经成为一个热门的研究话题。为了更好地解决情感分析中词语的上下文信息、深度信息和情感信息缺失问题,提出一种融合深度特征的Sword2vect情感分析方法。用情感得分加权word2vect词向量得到含有上下文和情感信息的Sword2vect;基于注意力的长短期记忆神经网络得到深度特征AttBilstm;融合深度特征的Sword2vect进行情感分析。在深度学习框架tensorflow进行实验并与已有的方法在准确率、召回率、F1等评价指标上进行比较,验证了该算法的有效性。