结合产品特征的评论情感分类模型

来源：计算机工程与应用杂志2019年第16期北京时间：

作者：喻涛，罗可

单位：1.长沙理工大学 计算机与通信工程学院，长沙 410114；2.长沙理工大学 综合交通运输大数据智能处理湖南省重点实验室，长沙 410114

摘要：结合不同产品的评论词信息来构建智能化的情感分类器，提出一种结合产品特征的在线商品评论情感分类模型PWCNN（Product Weight Convolution Neural Network）。模型首先进行产品词特征的词向量训练，将评论文本以及产品信息进行向量乘法组合，结果作为模型输入。然后根据句子的重要性，采用池化加权的卷积神经网络来学习评论的文档级表示。为了防止过拟合且提高泛化能力，在输出层采用dropout策略。实验结果表明，PWCNN模型在平均准确率和[F1]值等指标上取得最好结果，且提高了模型训练速度。

关键词：情感分类,卷积神经网络,产品词向量,加权池化层,dropout算法