基于数据集模型训练的网购评论情感倾向性技术分析

封二英，程冬玲，张宇敬

（河北金融学院，河北 保定 071000）

随着线上消费爆炸式增长，大量商品评论数据随之产生。这些评论数据大都体现了消费者的个人喜好、质量评价等带有感情色彩的信息，所以，对这些评论进行情感分析，对电商平台、商家来说具有重要的经济价值。目前，情感倾向分析主要有基于规则的方法，基于机器学习的方法和基于深度学习的方法。基于规则的方法需要人工制定出规则，而且具有明显的领域性，往往需要消耗大量的人工并且普适性弱[1]；基于机器的学习方法需要事先人工构建特征，模型泛化能力弱[2]；基于深度学习的方法在特征表示和学习方面较前2 种技术有更大的优势[3]。此外，情感倾向分析主要分为句子级、篇章级的粗粒度情感倾向分析和基于情感实体、情感属性的细粒度情感分析。细粒度的情感倾向分析主要侧重于一段文本中不同的情感属性对应的情感倾向性。细粒度的情感倾向分析更能完整地获取句子所表达的多种情感，因此，本文研究基于深度学习方法的细粒度的情感倾向分析关键技术。

1 面向网购评论的知识抽取技术

网购评论的知识抽取技术主要涉及命名实体识别技术和关系抽取两方面的内容。命名实体识别主要解决文本中实体名词的识别和归类问题；关系抽取就是在属性类实体和情感类实体之间进行配对抽取，即找出属性类实体被哪些情感类实体所修饰，进而进行情感分类。……