基于LSTM和Word2Vec的情感分析在商品评论中的应用

被引：4

作者：

周萌

机构：

[1] 上海对外经贸大学

来源：

统计与管理 | 2019年 / 12期

关键词：

情感分析; word2vec; LSTM; 用户满意度;

D O I：

10.16722/j.issn.1674-537x.2019.12.017

中图分类号：

F274 [企业供销管理]; TP391.1 [文字信息处理]; TP181 [自动推理、机器学习];

学科分类号：

1201 ; 081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

我国电子商务高速发展,由此产生了大量浏览、购买、评论记录。商品评论的情感分析对于深刻理解商家和用户、挖掘用户的情感等方面有着重要的价值,在提升用户的满意度、改进产品设计等方面有着重要的应用。本文用python爬虫抓取京东冰箱商品评论,对于冰箱进行典型意见分析,利用深度学习方法word2vec和LSTM建立二分类器,对抓取的冰箱评论进行分类,模型的准确率能达到96.7%。分类器可以用于评估商品的满意度水平,对于改进电商服务和产品设计具有重要意义。

引用

页码：81 / 84

页数：4

共 11 条

[1] 基于word2vec和LSTM的饮食健康文本分类研究 [J].

赵明 ;

杜会芳 ;

董翠翠 ;

陈长松 .

农业机械学报, 2017, 48 (10) :202-208

[2] 基于word2vec的互联网商品评论情感倾向研究 [J].

黄仁 ;

张卫 .

计算机科学, 2016, 43(S1) (S1) :387-389

[3] 基于情感分析的企业产品级竞争对手识别研究——以用户评论为数据源 [J].

肖璐 ;

陈果 ;

刘继云 .

图书情报工作, 2016, 60 (01) :83-90+97

[4] 基于层次结构的多策略中文微博情感分析和特征抽取 [J].

谢丽星 ;

周明 ;

孙茂松 .

中文信息学报, 2012, 26 (01) :73-83

[5] 挖掘中文网络客户评论的产品特征及情感倾向 [J].

李实 ;

叶强 ;

李一军 ;

罗嗣卿 .

计算机应用研究, 2010, 27 (08) :3016-3019

[6]

基于深度神经网络的微博短文本情感分析研究[D]. 张英.中原工学院. 2017

[7]

文本情感分析在产品评论中的应用研究[D]. 魏慧玲.北京交通大学. 2014

[8]

统计自然语言处理[M]. 清华大学出版社 , 宗成庆, 2007

[9] Composition in Distributional Models of Semantics [J].

Mitchell, Jeff ;

Lapata, Mirella .

COGNITIVE SCIENCE, 2010, 34 (08) :1388-1429

[10]

Sentiment classification of online reviews to travel destinations by supervised machine learning approaches[J] . Qiang Ye,Ziqiong Zhang,Rob Law. Expert Systems With Applications . 2008 (3)

← 1 2 →