[发明专利]基于规则和神经网络的商品评论属性级情感分类方法

说明书

本发明公开了一种基于规则和神经网络的商品评论属性级情感分类方法，首先获取评论数据，对评论文本进行中文分词及停用词过滤；然后利用规则模板筛选出商品属性集，构造属性，评论样本集，对每一条评论的属性标注情感，构造属性，评论，情感训练集；再构建基于双边注意力的神经网络情感分类模型，使用训练集对模型进行训练；最后对测试数据进行中文分词及停用词过滤，筛选出商品属性集，构造属性，评论测试集，并使用情感分类模型进行情感分类。本发明能更好地利用评论中属性的上下文信息，极大地提高了预测属性情感类别的准确性。

技术领域

本发明涉及人工智能领域，具体是涉及一种面向产品评论的属性级情感分析方法。

背景技术

在互联网快速发展的前提下，电子商务作为互联网的一个新兴领域，取得了长足的发展。越来越多的用户通过不同的电子商务网站进行网上商品购买，产生了海量的消费者购买评论。面对海量的购物评论，消费者不可能一一翻阅，商家也迫切希望对商品评价进行分析整理。面向商品评论的观点挖掘和情感分析技术，不仅是自然语言处理和情感分析领域的学术前沿问题和热点研究问题，也是电子商务购物平台等应用领域亟待解决的重要问题，具有不可估量的应用价值和社会意义。传统方法使用人工规则进行属性级情感的判断，需要的人力成本很高，情感判定的效率很低。近几年里，一些学者提出基于机器学习方法解决这个问题，比如逻辑回归模型、支持向量机模型、神经网络模型等，但是这些模型不能够充分表达属性词与上下文的语义情感关系。

发明内容

本发明的目的在于提供一种基于规则和神经网络模型的商品评论属性级情感分类方法。

实现本发明目的的技术解决方案为：一种基于规则和神经网络的商品评论属性级情感分类方法，其特征在于，包括以下步骤：

步骤1、获取评论数据，对评论文本进行中文分词及停用词过滤；

步骤2、利用规则模板筛选出商品属性集，构造属性，评论样本集；

步骤3、对每一条评论的属性标注情感，构造属性，评论，情感训练集；

步骤4、构建基于双边注意力的神经网络情感分类模型，使用训练集对模型进行训练；

步骤5、使用步骤1的方法对测试数据进行中文分词及停用词过滤，使用步骤2方法筛选出商品属性集，构造属性，评论测试集，并使用步骤4得到的情感分类模型，进行情感分类。

本发明与现有技术相比，其显著优点为：1)本发明通过规则筛选属性词，便于电商平台利用自身积累进行属性词集的扩增；2)本发明构建了基于双边注意力的神经网络模型，能更好地利用评论中属性的上下文信息，极大地提高了预测属性情感类别的准确性。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合附图和具体实施例进一步说明本发明方案。

一种基于规则和神经网络的商品评论属性级情感分类方法，其特征在于，包括以下步骤：

步骤1、获取评论数据，对评论文本进行中文分词及停用词过滤，具体为：

步骤1.1、将网页爬虫爬取的商品评论语料进行HTML解析，筛选出相关评论文本，得到评论文本集；

步骤1.2、使用NLPIR分词系统对商品评论文本进行中文分词；

步骤1.3、在已有的停用词表基础上，加入英文字符、数字、标点符号，构造出适合用于中文商品评论文本的停用词表，对中文分词后的词语进行停用词过滤。已有停用词表包括“哈工大停用词表”、“四川大学机器学习智能实验室停用词表”、“百度停用词表”。

步骤2、利用规则模板筛选出商品属性集，构造属性，评论样本集，具体为：