基于多流深度残差GRU网络的卷烟零售客户综合满意度评价模型

为全面精准掌握卷烟零售客户对烟草行业各区县分公司和相关单位在卷烟营销工作中的满意程度,不断完善客户服务方式,持续提升客户服务水平,提出一个基于多流深度残差GRU神经网络的卷烟零售客户综合满意度评价模型.该模型基于2301759条2015-2022年间的零售客户满意度调查问卷数据进行学习,将客户对服务的满意度划分为6个等级,并进行相应的情感分析,得到最终的情感分类结果作为综合满意度评价的依据.仿真对比实验和实际数据分析结果表明,所提模型具有较强的文本特征提取能力,相较传统的客户综合满意度评价方法可以获得更有效的情感分类效果和满意度评价结果,为相关行业零售市场的管理提供了新的视角和工具.

结合混淆数据增强和关系图注意网络的方面级文本情感分析

基于方面的文本情感分析,也称为方面级情感分类,是自然语言处理中的一项常见任务,其目的在于分析给定目标中方面术语的情感极性.基于深度神经网络的模型在文本情感分析的过程中,存在训练样本不足,或只使用注意力机制而忽略了句法关系,不能充分利用方面节点的上下文语义信息等问题,导致效果不佳.针对样本数据量和多样性不足,以及语义语法信息利用度不高所导致的深度学习模型准确率不高的问题,提出一种新的文本情感分类模型,该模型结合混淆(Mixup)数据增强技术合关系图注意神经网络的优势,采用混淆增强对上下文特征向量进行插值混合,使用关系图注意网络集成类型化的句法依赖信息,从而可更有效地利用语义语法树的特征.在3个公开数据集上的实验结果表明,使用混淆数据增强和关系图注意网络的模型与其他方法相比具有较好效果.