融合BiLSTM和注意力机制的卷烟消费者评价情感分类方法
Tobacco Science & Technology（2022）
摘要
为从海量评价数据中提取消费者对卷烟产品的情感信息,利用词频、点间互信息和左右信息熵提取烟草领域的专有词汇,通过建立分词补充词典提高文本分词准确性;融合双向长短时记忆神经网络和注意力机制建立BiLSTM-Att卷烟消费者评价情感分类模型,基于2006—2021年2066个卷烟品牌规格消费者评价数据,对BiLSTM-Att模型进行验证并与其他6种分类方法进行对比.结果表明:统一产品名称后BiLSTM-Att模型F1值提高1.78百分点;BiLSTM-Att模型在情感倾向二分类和三分类中的F1值分别为92.89％和80.12％,具有较高准确性.该方法可为卷烟产品研发、精准营销和品牌发展提供支持.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果，我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问，可以通过电子邮件方式联系我们：report@aminer.cn