基于融合文本情感转换的在线评论过采样方法

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：赵长欣;苌道方

摘要：近年来,在线评论区已经被“好评返现”“刷评”等控评手段的滥用所破坏,对在线评论情感分析模型在真实应用场景中的性能造成了严重影响。 对此,提出了一种基于融合文本情感转换的在线评论过采样方法以缓解上述样本数量分布失衡引起的问题。 该方法融合了基于特征词典的方法与基于深度学习的方法实现对文本的情感转换。 对于多数类样本中的显式情感表达,该方法采用基于特征词典的方法识别并完成替换。 同时,基于深度学习的方法搭建了 Seq2Seq 模型并引入了掩码自注意力机制,用于替换文本中的隐式情感表达。 最后采用限制性 EDA 方法对结果进一步扩充,作为少数类的过采样样本。 通过在采集的真实在线评论数据集上进行实验,结果表明该方法使训练出的模型获得了 16. 6% 的精确率和 9. 5% 的 F1 值提高,同时对少数样本的分辨能力提高了 12. 2% 。 其相较传统方法对所训练的模型同样有更好的性能提升。

关键词：文本情感转换;不平衡在线评论;特征词典;掩码自注意力;Seq2Seq模型