基于生成式对抗网络和评论专业类型的情感分类研究

作者：李菲菲; 吴璠; 王中卿^*

来源：数据分析与知识发现, 2021, 5(04): 72-79.

• 情感分类
• 生成式对抗网络
• 评论专业类型
• LSTM

【目的】研究评论文本中专业评论家和普通观众表达情感的方式的差异,提高评论情感分类的准确率。【方法】利用用户的专业类型辅助判断评论的情感极性,使用生成式对抗网络分析评论来自专业评论家还是普通观众,通过捕获两者在表达情感方式上的差异性,进一步提高评论情感分类的准确度。【结果】实验证明,提出的基于生成式对抗网络和评论专业类型的情感分类模型GJOINT准确率达到0.836,比基准模型LSTM、BiLSTM分别提高了5.6%、4.4%。【局限】实验数据集只选取电影评论数据集,在其他领域数据集上的有效性需要进一步验证。【结论】提出的基于生成式对抗网络和评论专业类型的情感分类模型GJOINT能有效提高在线评论情感分类的效果。

• 单位
  苏州大学