《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于注意力與Bi-LSTM混合算法的車企輿情情感分析
基于注意力與Bi-LSTM混合算法的車企輿情情感分析
信息技術(shù)與網(wǎng)絡(luò)安全
李宸嚴(yán)，劉 繼
（新疆財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院，新疆 烏魯木齊830012）
摘要： 隨著大數(shù)據(jù)時(shí)代的來(lái)臨，網(wǎng)絡(luò)輿情對(duì)消費(fèi)者情感分析和商家營(yíng)銷策略產(chǎn)生重大影響。如何利用大數(shù)據(jù)技術(shù)提高車企輿情情感分析效能，受到文本挖掘研究者廣泛關(guān)注。針對(duì)傳統(tǒng)RNN在長(zhǎng)文本分類中的長(zhǎng)期依賴問(wèn)題，提出了一種注意力機(jī)制與Bi-LSTM結(jié)合的混合分類算法（At-Bi-LSTM）。算法利用Bi-LSTM分析車企網(wǎng)絡(luò)評(píng)論的情感，引入注意力機(jī)制計(jì)算不同單詞對(duì)評(píng)論情感的貢獻(xiàn)權(quán)重，降低長(zhǎng)文本中無(wú)關(guān)詞對(duì)分類結(jié)果的影響。實(shí)驗(yàn)證明，At-Bi-LSTM算法在車企輿情情感分類上取得了比樸素貝葉斯、SVM、LSTM更好的分類效果。
中圖分類號(hào)： TP391.1
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.01.008
引用格式： 李宸嚴(yán)，劉繼。 基于注意力與Bi-LSTM混合算法的車企輿情情感分析[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40（1）：45-49.
Public opinion sentiment analysis of automobile enterprises based on attention mechanism and Bi-LSTM
Li Chenyan，Liu Ji
（School of Statistics and Data Science，Xinjiang University of Finance，Wulumuqi 830012，China）
Abstract： With the advent of the era of big data, online public opinion has a significant impact on consumer sentiment analysis and business marketing strategy. How to use big data technology to improve the efficiency of sentiment analysis of automobile enterprises′ public opinion has been widely concerned by text mining researchers. Aiming at the long-term dependence of traditional RNN in long text classification, a hybrid classification algorithm（At-BI-LSTM） combining attention mechanism and Bi-LSTM is proposed. The algorithm uses Bi-LSTM to analyze the emotion of online reviews of automobile enterprises, and introduces attention mechanism to calculate the contribution weight of different words to the sentiment of comments, so as to reduce the influence of irrelevant words in long text on classification results. Experiments show that At-BI-LSTM algorithm achieves better classification effect than Naive Bayes, SVM and LSTM.
Key words : attention mechanism；Bi-LSTM；public opinion of car enterprises；emotion classification

0     引言

　　2020年7月，習(xí)近平總書(shū)記在一汽研發(fā)總院調(diào)研時(shí)指出：汽車制造業(yè)國(guó)際競(jìng)爭(zhēng)激烈，要把民族汽車品牌搞上去，如何提升品牌的形象和溢價(jià)效應(yīng)是首要問(wèn)題。隨著互聯(lián)網(wǎng)的發(fā)展，車企的發(fā)展規(guī)劃、車輛品質(zhì)、創(chuàng)新水平都受到廣泛關(guān)注[1]。網(wǎng)絡(luò)評(píng)論暗含網(wǎng)民豐富的情感，通過(guò)對(duì)評(píng)論情感的挖掘，車企可了解近期的網(wǎng)絡(luò)輿情，從而采取相應(yīng)的應(yīng)對(duì)措施。因此研究車企網(wǎng)絡(luò)輿情情感，對(duì)提高車企形象、維護(hù)車企利益具有十分重要的意義。

　　輿情情感識(shí)別的關(guān)鍵在于對(duì)文本情感的識(shí)別[2]。當(dāng)前情感識(shí)別方法有兩類：基于情感詞典的方法、基于機(jī)器學(xué)習(xí)的方法?；谇楦性~典的方法利用情感詞能映射情感傾向的特點(diǎn)，通過(guò)測(cè)度單詞與情感標(biāo)簽的關(guān)聯(lián)度來(lái)構(gòu)建情感詞典，依據(jù)文本中的情感詞判斷其情感類別[3]。此方法雖能實(shí)現(xiàn)文本的情感分類，但存在三方面問(wèn)題：（1）網(wǎng)絡(luò)用語(yǔ)的盛行對(duì)情感詞典的構(gòu)建和維護(hù)提出了新的挑戰(zhàn)；（2）處理二義性的詞語(yǔ)時(shí)分類效果不佳；（3）無(wú)法考慮上下文的語(yǔ)義信息。基于機(jī)器學(xué)習(xí)的方法逐步成了情感識(shí)別領(lǐng)域的主旋律。PANG B等[4]人最先在電影評(píng)論的情感分析中應(yīng)用了最大熵、SVM、樸素貝葉斯三種機(jī)器學(xué)習(xí)方法。大量實(shí)驗(yàn)證明，基于機(jī)器學(xué)習(xí)的方法在解決情感識(shí)別問(wèn)題時(shí)的性能優(yōu)秀。





本文詳細(xì)內(nèi)容請(qǐng)下載：http://ihrv.cn/resource/share/2000003316





作者信息：

李宸嚴(yán)，劉  繼

（新疆財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院，新疆 烏魯木齊830012）



此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。