%A 余本功, 张培行, 许庆堂 %T 基于F-BiGRU情感分析的产品选择方法* %0 Journal Article %D 2018 %J 数据分析与知识发现 %R 10.11925/infotech.2096-3467.2018.0015 %P 22-30 %V 2 %N 9 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_4548.shtml} %8 2018-09-25 %X

【目的】为提高产品选择效率, 帮助消费者更好地制定购物决策, 本文在门限递归单元的基础上, 提出一种特征强化双向门限递归单元模型(Feature Bidirectional Gated Recurrent Unit, F-BiGRU)。【方法】首先, 获取相关产品的在线评论信息; 然后对在线评论按照产品属性进行分割; 使用正向情感评论和负向情感评论对F-BiGRU模型进行训练; 最后使用F-BiGRU模型对产品各属性的评论进行情感量化, 得到产品各属性的情感满意程度, 并使用TOPSIS法对候选产品进行排序。【结果】选取汽车口碑文本评论数据进行实证, 对比相关情感分析方法, F-BiGRU方法提高了情感分析的准确度, 更适应在线评论短文本的特点。【局限】深度学习模型需要大规模的数据集, 本文方法在一些小数据集上的表现可能不佳。【结论】基于F-BiGRU情感分析的产品选择方法提高了情感分析的准确度, 能更高效快捷地帮助消费者进行产品选择。