基于对比散度-受限玻尔兹曼机深度学习的产品评论情感分析

发布时间：2017-08-05 08:00

本文关键词：基于对比散度-受限玻尔兹曼机深度学习的产品评论情感分析

【摘要】：针对目前大部分情感分析技术需要人工标注建立情感词典提取情感特征的问题,提出一种基于对比散度-受限玻尔兹曼机(CD-RBM)深度学习的产品评论情感分析方法。该方法在对产品评论时进行数据预处理并利用词袋模型产生产品评论的向量表示,然后通过CD-RBM提取产品评论的情感特征,最后结合支持向量机(SVM)将提取出来的情感特征进行文本情感分类。CD-RBM无需人工标注情感词典,即可获得情感特征,且可以提高特征的情感语义关联性;同时,SVM可以保证产品评论情感分类的准确度。通过实验确定了RBM最优训练周期为10,在此训练周期下对RBM、SVM、PCA+SVM,以及RBM+SVM方法进行了比较。实验结果表明,RBM特征提取和SVM分类结合方法能够获得最好的准确率和F值,并获得较好的召回率。
【作者单位】：中南大学信息科学与工程学院;中南大学软件学院;
【关键词】： 深度学习 受限玻尔兹曼机 情感分析 对比散度 支持向量机
【基金】：国家自然科学基金资助项目(61403423) 湖南省科技计划项目(2014FJ3157) 自主系统与网络控制教育部重点实验室开放基金资助项目(2013A11)~~
【分类号】：TP18;TP391.1
【正文快照】： 0引言随着淘宝、京东、卓越、当当等购物网站的流行,越来越多的人开始网上购物,网上的评论信息也越来越多。网购者往往会留下评论来对所购买的商品表达自己的情感,评论信息会成为其他潜在消费者以及商家的一个重要参考依据。然而,面对如此巨大的无结构评论信息,客户、商家无法

【相似文献】

中国期刊全文数据库前3条

1 刘来福，唐志宇，，匡锦瑜;向量玻尔兹曼机[J];北京师范大学学报(自然科学版);1996年04期

2 秦胜君;卢志平;;基于限制玻尔兹曼机的无极性标注情感分类研究[J];科学技术与工程;2013年35期

3 ;[J];;年期

中国硕士学位论文全文数据库前6条

1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年

4 王海麟;通过信息几何方法挖掘玻尔兹曼机的不变性[D];天津大学;2014年

5 仝少敏;基于受限玻尔兹曼机的面部运动识别方法研究[D];哈尔滨工业大学;2014年

6 李平;监督概率主题模型研究[D];安徽工业大学;2014年