融合注意力机制和Bi-LSTM的旅游评价情感分析模型.docx
版权申诉
37 浏览量
2022-06-24
13:39:47
上传
评论
收藏 150KB DOCX 举报
0引言
随着在线旅游网站的迅速发展，其上的评论文本数量急剧增加，这为旅行研究提供了重要数据来源。
海量的评论数据揭示了公众的情感或态度，这对于旅游行业中的相关应用具有重要价值
[1]
。在线评价
的文本数据可以帮助研究人员和从业人员正确了解游客的旅游偏好和需求
[2- 3]
。在线评价的文本数据中
所表达的意见对潜在旅游者的选择起着重要作用
[4- 5]
。
情感分析是一个可以从在线旅行评价文本中提取游客关于旅行目的地情感的过程，情感分析的结果构
成了旅游决策的重要基础
[6]
。因此，必须引入有效的情感分析技术以处理在线旅行评价文本数据。然
而，在线旅行评价文本大部分是短文本，其特征在于情感分布不均，这使得难以获得准确的情感分析
结果。Bi-LSTM 能够有效地获取上下文语义信息，注意力机制可突出评论语句中情感描述内容的重要
部分。因此，本文提出融合注意力机制和 Bi-LSTM 的旅游评价情感分析模型，更加精确地分析游客
评价的情感倾向。
1相关工作
近年来，随着人工智能的迅速发展，作为人工智能分支的自然语言在研究领域备受关注。许多学者利
用自然语言技术对互联网信息进行情感分析，该研究是自然语言处理中最热门的话题
[7]
。
情感分析被称为人工智能领域的王冠，旨在使用相应的技术手段挖掘和分析主观信息
[8-9]
。传统的情感
分析技术主要基于词典、规则的方法和基于机器学习的方法。基于词典、规则的方法侧重于识别文本
中具有明显情感倾向的词语，并依据特定的规则预测情感。Grabner 等
[10 ]
提出用于游客评论分类的情
感分析词典；Liu 等
[11]
使用基于词典的情感分析模型以分析澳大利亚目的地中国游客的在线评论。该
技术需要大量的人工干预，最终分析结果过于依赖词典的质量和规则。随着信息量的快速增长，仅通
过手动处理根本不可能完成任务。基于机器学习的方法凭借出色的模型构建能力，在自然语言处理任
务 中 大 放 异 彩 ， 诸 如 朴 素 贝 叶 斯 （ Naive Bayes ， NB ） 、 支 持 向 量 机 （ Support Vector
Machines，SVM）、最大熵等
[12 ]
。Hao 等
[13 ]
从新闻媒体的角度使用基于机器学习的情绪分析方法研
究居民对旅游业态度的演变；Adhi 等
[14]
设计一个基于朴素贝叶斯分类器和语义扩展方法的情感分析
模型，实验表明该方法可以提高情感分析的准确性。但基于机器学习的方法过于依赖标注数据的质量
并需要复杂的特征工程。近年来，随着深度学习的发展，越来越多的学者将基于神经网络的方法应用
于情感分析
[15]
。不同于传统的情感分析技术，深度学习不需要构造情感词典或语法分析，只需一定规
模的训练数据集，就可训练得出高精度分类结果和泛化能力较好的深度学习模型
[16 ]
。卷积神经网络
（ Convolutional Neural Networks ， CNN ） 是 最 常 应 用 于 情 感 分 析 任 务 中 的 深 度 学 习 方 法 。
Kim
[17]
首次将简单的卷积神经网络应用于句子分类并取得了良好结果，克服了传统机器学习的不足；
Santos 等
[18]
使用两个卷积层以提取相关单词和句子的特征，并挖掘语义信息以改善诸如 Twitter 之
类的短文本情感分析；Liu 等
[19]
指出 CNN 能够从时间或空间数据中学习局部特征，但缺乏学习顺序相
关性的能力；Irsoy 等
[20 ]
使用基于时间序列信息的递归神经网络获得句子表示，从而进一步提高了情
感分类准确性。长短期记忆神经网络（Long Short-Term Memory，LSTM）考虑词语之间的序列
依赖性，从而有效解决传统递归神经网络（ Recursive Neural Network，RNN）出现的梯度消失
问题。Law 等
[21]
使用长短期记忆（LSTM）神经网络预测旅游流量，并证明 LSTM 方法的性能优于其
他传统方法。但是 LSTM 只具有前向信息记忆能力，而不能对后向序列进行记忆，Bi-LSTM 随之被提
出
[22 ]
。Bi-LSTM 是 LSTM 的进一步发展，可以更好地捕捉双向的语义依赖。李磊等
[23 ]
提出融合对象
识别和 Bi-LSTM 模型情感分析模型，主要通过 CNN 识别关键评价对象，将评价对象与文本信息进行
融合并通过 Bi-LSTM 模型分析最终的情感类别。但评价语句中的最重要部分是情感描述部分，表达
用户观点，为了更加精确地分析游客评价的情感倾向，本文使用注意力机制突出评价语句中的核心部
分。
资源评论
罗伯特之技术屋
- 粉丝: 3675
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
最新资源
- 基于Typescript和PHP的编程知识储备库设计源码 - study-php
- Screenshot_2024-05-28-11-40-58-177_com.tencent.mm.jpg
- 基于Dart的Flutter小提琴调音器APP设计源码 - violinhelper
- 基于JavaScript和CSS的随寻订购网页设计源码 - web-order
- 基于MATLAB的声纹识别系统设计源码 - VoiceprintRecognition
- 基于Java的微服务插件集合设计源码 - wsy-plugins
- 基于Vue和微信小程序的监理日志系统设计源码 - supervisionLog
- 基于Java和LCN分布式事务框架的设计源码 - tx-lcn
- 基于Java和JavaScript的茶叶评级管理系统设计源码 - tea
- IMG_5680.JPG
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
