摘要

利用循环神经网络搭建基于LSTM模型,对网上商品评论信息进行情感分析。首先,利用word2Vec的词向量训练方法,解决传统文本中向量矩阵所占存储空间大,导致运行时间长的问题;其次,提出了标准长度零矩阵的填充算法,利用LSTM完成评论信息的自动“遗忘”和“记忆”,可提高模型的运行时间和准确率;最后,为提高模型的泛化能力,减少参数,提高拟合能力,对embedding层和LSTML单元进行随机失活。实验表明,可显著提高对商品评论的分类准确率,有效预测商品销售趋势。

  • 单位
    泉州信息工程学院