基于cw2vec与BiLSTM的中文商品评论情感分类

针对方面级情感分类算法在中文领域商品评论中性能不佳的问题,从实际应用场景出发,基于cw2vec模型并结合BiLSTM模型,进行中文商品评论方面级情感分类。通过对数据进行预处理,训练中文词向量,提取评论语句文字笔画信息特征;然后对评论语料构建基于注意力机制的BiLSTM模型进行情感分类,计算注意力向量权重,利用双向网络结构特点捕捉语义依赖信息。实验结果表明,当训练语料分布合理时,该方法准确率达到83.2%,比Skip-gram模型提高了3.3%。该方法在中文方面级情感分类任务上能获取中文语义信息,分类效果更好,有效提高了分类准确率。