资料下载
×
基于CD-RBM深度学习的产品评论情感分析
消耗积分:1 |
格式:rar |
大小:0.75 MB |
2017-12-20
分享资料个
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一受限玻尔兹曼机（ 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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
