基于Word2vecBiLSTM的用餐评论情感分析

基于Word2vecBiLSTM的用餐评论情感分析

为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vecBiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析.试验结果表明,word2vecBiLSTM的F1指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vecBiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:枣庄学院学报 2022-03, Vol.39 (2), p.37-44
Hauptverfasser: 秦精俏, 王彤, 王玉珍
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 44
container_issue 2
container_start_page 37
container_title 枣庄学院学报
container_volume 39
creator 秦精俏
王彤
王玉珍
description 为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vecBiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析.试验结果表明,word2vecBiLSTM的F1指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vecBiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%.
format Article
fullrecord <record><control><sourceid>cass</sourceid><recordid>TN_cdi_cass_nssd_ZZXYXB2022002006</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cass_id>ZZXYXB2022002006</cass_id><sourcerecordid>ZZXYXB2022002006</sourcerecordid><originalsourceid>FETCH-cass_nssd_ZZXYXB20220020063</originalsourceid><addsrcrecordid>eNpjYeA0NDAw0TU3MDfnYOAtLs5MMjAwMjI1NzM252TQfzp_15NdfeH5RSlGZanJTpk-wSG-z2e1PJ-y4uWSCS_Wt7xYt-tZc-uzlvlPO9qezZvAw8CalphTnMoLpbkZFN1cQ5w9dJMTi4vj84qLU-KjoiIiI5yMgHYA7TEwMDMmRg0AoXI58Q</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于Word2vecBiLSTM的用餐评论情感分析</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>秦精俏 ; 王彤 ; 王玉珍</creator><creatorcontrib>秦精俏 ; 王彤 ; 王玉珍</creatorcontrib><description>为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vecBiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析.试验结果表明,word2vecBiLSTM的F1指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vecBiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%.</description><identifier>ISSN: 1004-7077</identifier><language>chi</language><publisher>枣庄学院</publisher><ispartof>枣庄学院学报, 2022-03, Vol.39 (2), p.37-44</ispartof><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><link.rule.ids>314,776,780</link.rule.ids></links><search><creatorcontrib>秦精俏</creatorcontrib><creatorcontrib>王彤</creatorcontrib><creatorcontrib>王玉珍</creatorcontrib><title>基于Word2vecBiLSTM的用餐评论情感分析</title><title>枣庄学院学报</title><description>为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vecBiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析.试验结果表明,word2vecBiLSTM的F1指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vecBiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%.</description><issn>1004-7077</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2022</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDAw0TU3MDfnYOAtLs5MMjAwMjI1NzM252TQfzp_15NdfeH5RSlGZanJTpk-wSG-z2e1PJ-y4uWSCS_Wt7xYt-tZc-uzlvlPO9qezZvAw8CalphTnMoLpbkZFN1cQ5w9dJMTi4vj84qLU-KjoiIiI5yMgHYA7TEwMDMmRg0AoXI58Q</recordid><startdate>20220301</startdate><enddate>20220301</enddate><creator>秦精俏</creator><creator>王彤</creator><creator>王玉珍</creator><general>枣庄学院</general><scope>NSCOK</scope></search><sort><creationdate>20220301</creationdate><title>基于Word2vecBiLSTM的用餐评论情感分析</title><author>秦精俏 ; 王彤 ; 王玉珍</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-cass_nssd_ZZXYXB20220020063</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2022</creationdate><toplevel>online_resources</toplevel><creatorcontrib>秦精俏</creatorcontrib><creatorcontrib>王彤</creatorcontrib><creatorcontrib>王玉珍</creatorcontrib><collection>国家哲学社会科学文献中心 (National Center for Philosophy and Social Sciences Documentation)</collection><jtitle>枣庄学院学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>秦精俏</au><au>王彤</au><au>王玉珍</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于Word2vecBiLSTM的用餐评论情感分析</atitle><jtitle>枣庄学院学报</jtitle><date>2022-03-01</date><risdate>2022</risdate><volume>39</volume><issue>2</issue><spage>37</spage><epage>44</epage><pages>37-44</pages><issn>1004-7077</issn><abstract>为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vecBiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析.试验结果表明,word2vecBiLSTM的F1指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vecBiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%.</abstract><pub>枣庄学院</pub><oa>free_for_read</oa></addata></record>
fulltext fulltext
identifier ISSN: 1004-7077
ispartof 枣庄学院学报, 2022-03, Vol.39 (2), p.37-44
issn 1004-7077
language chi
recordid cdi_cass_nssd_ZZXYXB2022002006
source 国家哲学社会科学学术期刊数据库 (National Social Sciences Database)
title 基于Word2vecBiLSTM的用餐评论情感分析
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-06T23%3A01%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-cass&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EWord2vecBiLSTM%E7%9A%84%E7%94%A8%E9%A4%90%E8%AF%84%E8%AE%BA%E6%83%85%E6%84%9F%E5%88%86%E6%9E%90&rft.jtitle=%E6%9E%A3%E5%BA%84%E5%AD%A6%E9%99%A2%E5%AD%A6%E6%8A%A5&rft.au=%E7%A7%A6%E7%B2%BE%E4%BF%8F&rft.date=2022-03-01&rft.volume=39&rft.issue=2&rft.spage=37&rft.epage=44&rft.pages=37-44&rft.issn=1004-7077&rft_id=info:doi/&rft_dat=%3Ccass%3EZZXYXB2022002006%3C/cass%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cass_id=ZZXYXB2022002006&rfr_iscdi=true