Research on Sentiment Classification of Commodity Reviews Based on Deep Learning 作者：李文江[1];陈诗琴[2] 作者机构：[1]重庆文理学院机电工程学院,重庆402160;[2]重庆文理学院图书馆,重庆402160 出版物刊名：知识管理论坛 页码：353-363页 年卷期：2018年 第6期 主题词：深度学习;情感分类;Word2vec词向量;Embedding嵌入层;TextCNN 摘要：[目的/意义]对已有的文本表示、分类算法进行组合,遴选一种复杂度低、训练时间少的组合方式,构建商品评论情感文本分类的优化模型。[方法/过程]以Keras API为应用环境,将Word2vec词向量输入Embedding嵌入层,依据句子词索引序列,通过控制trainable参数实现3种商品评论的文本表示;将不同的文本表示分别与不同分类算法进行匹配,分析分类效果差异,确立较优算法组合。[结果/结论 ]Word2vec词向量输入Embedding嵌入层继续训练的文本表示方法,结合TextCNN算法训练获得的分类模型,在商品评论测试集上分类效果表现较好,准确率和ROC曲线面积AUC值分别为94.02%、0.982 7。应用表明,分类模型能较好实现商品评论的情感分类,有较好的分类泛化能力。 本文来源：https://www.wddqw.com/doc/0edd17abc8aedd3383c4bb4cf7ec4afe05a1b174.html