基于CNN-BiLSTM-HAN混合神经网络的高校图书馆社交网络平台细粒度情感分析

G203; [目的/意义]从高校图书馆社交网络平台用户评论数据挖掘角度出发,对用户评论情感极性进行细粒度分析,为高校图书馆了解用户真实情感倾向并提升服务质量提供科学依据.[方法/过程]以国内高校图书馆社交网络平台用户中文评论数据为研究对象,通过TensorFlow深度学习框架,利用Keras人工神经网络库,将卷积神经网络(Convolution Neural Network,CNN)和双向长短时记忆网络(Bidirectional Long Short Term Memory,BiLSTM)结合,并引入层次化注意力机制(Hierarchical Attention,HAN),构建基于CNN-B...

Full description

Saved in:
Bibliographic Details
Published in:农业图书情报学报 2022-04, Vol.34 (4), p.63-73
Main Authors: 李博, 李洪莲, 关青, 刘杨
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:G203; [目的/意义]从高校图书馆社交网络平台用户评论数据挖掘角度出发,对用户评论情感极性进行细粒度分析,为高校图书馆了解用户真实情感倾向并提升服务质量提供科学依据.[方法/过程]以国内高校图书馆社交网络平台用户中文评论数据为研究对象,通过TensorFlow深度学习框架,利用Keras人工神经网络库,将卷积神经网络(Convolution Neural Network,CNN)和双向长短时记忆网络(Bidirectional Long Short Term Memory,BiLSTM)结合,并引入层次化注意力机制(Hierarchical Attention,HAN),构建基于CNN-BiLSTM-HAN混合神经网络的情感分析模型.[结果/结论]利用真实高校图书馆社交网络平台用户评论数据集进行实验,本文方法取得93.38％的准确率,结果表明本文模型的有效性.模型较为复杂,导致模型训练时间上较长,方法模型的普适性有待进一步检验,表情符号信息没有得到有效利用,参数设置尚需进一步研究.
ISSN:1002-1248
DOI:10.13998/j.cnki.issn1002-1248.21-0382