融合多头注意力机制和BiLSTM的电商评论情感分析研究
杨秀璋1
武帅1
任天舒1
刘建义1
宋籍文2
廖文婧1
1.贵州财经大学信息学院 贵州贵阳 5500252.贵州高速公路集团有限公司 贵州贵阳 550027
摘要：针对电商评论数据缺乏深层次的情感分析和语义知识关联,不利于系统挖掘潜在的消费情感和客户满意度信息问题,以京东电商评论数据为例,提出一种融合多头注意力机制和双向长短时记忆网络模型(bi-directional long short-term memory,BiLSTM)的电商评论情感分析模型.首先,通过词嵌入将文本数据转化为句向量;其次,构建融合多头注意力机制的BiLSTM模型,利用BiLSTM捕获长距离依赖关系,利用Transformer突出全局关键特征;最后,构建分类器实现电商评论的情感分析.实验结果表明,文章提出方法优于现有的机器学习和深度学习方法,其F1值为0.9276.同时,通过详细的对比实验证明了该方法能实现评论文本情感特征的细粒度提取,并能在少样本标注的情况下取得更好的准确率,具有良好的鲁棒性和准确性.
关键词：多头注意力机制BiLSTM电商评论情感分析细粒度文本
资助基金：贵州财经大学校级项目(No.2021KYQN03)
论文发表日期：2022-10-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 5-9 )