基于双通道卷积神经网络的汽车评论情感分类系统
近年来，深度学习在情感分析任务中得到了人们越来越多的关注。随着各种网络平台的兴起，互联网上每天都在产生大量的信息。当我们作为消费者购买商品时，不仅会参考这些信息，还会为其他人提供新的评论。对于销售者来说，这些数据又能很好地为企业提供反馈信息和发展建议。然而针对国内汽车行业的信息化程度不高、网络口碑利用率较低等特点，本文引用了一种双通道的卷积神经网络模型进行文本情感分类，该模型引入了中文的拼音表征序列作为卷积神经网络的第二个通道，可以有效减少中文文本中错别字评论分类的影响。基于此模型，本文分析并设计了基于汽车口碑评论的情感分类系统，主要通过网络爬虫实现对汽车评论的采集，进而通过深度学习模型实现对口碑评论极性的识别。系统包含数据采集、数据预处理、情感分类、系统管理四个模块。数据采集模块负责对网络中各汽车平台上的口碑评论进行爬取；数据预处理模块负责对原始评论进行解析、文本过滤、分词标注、向量表示等任务；情感分类模块负责对量化的词向量矩阵进行类别判断，包含语料库管理、分类器训练、情感识别三部分；系统管理模块负责系统中的常规功能：其中权限信息管理负责用户和管理人员的登录；爬虫管理负责该站点与其他网络平台的信息采集；配置管理包括待采集站点URL集合的站点管理、页面抽取的字段属性管理与为模型训练提供样本数据的语料库管理等。各模块相辅相成，使得该系统可以实现对汽车口碑评论情感的自动分类，切实提高汽车行业对网络评论的利用率，从而达到更好的企业效益。
情感分类系统 深度学习 双通道卷积神经网络
胡若萌 王培璐 唐亦媛 贾云霞 李炘楠
合肥工业大学管理学院 安徽 合肥 230009
国内会议
福州
中文
214-221
2018-11-30（万方平台首次上网日期，不代表论文的发表时间）