基于 循环神经网络 (LSTM) 的情感评论文本分类

基于循环神经网络 (LSTM) 的情感评论文本分类

一、简介

• 众所周知，区分用户发帖或者评论文本的情感分类问题，对商家来说是很重要的，不仅可以及时了解到用户的情绪，而且可以帮助商家进行产品迭代。例如，“汽车之家” 网站上的用户评论，进过情感词分类后，可以得到很多有用的信息，如 “发动机有问题”，“总是烧机油” 等，故下面，我们就来尝试解决。

• 首先，对于情感分类问题，一般有两种解决方案，一是，基于情感词典的规则的解决方法，二是，基于机器学习以及深度学习的方法。这里我们采用后者方法。这里我们只是将情感倾向分为 支持，反对，以及中立。读者当然可以根据自己的需求，分的更加详细。一般基于词典的规则方法，优点是非常稳定，缺陷是对于不在词典中的词就效果很差，而深度学习的方法，需要人工标注语料作为训练集，提取出文本的特征，用特征构建一个分类器，在做情感分类。它因为具有一部分语境，而避免了部分情感词典的缺点。但是它由于特征抽取方法不同，而导致有噪音，通用性不好。必须针对特定语义环境特定训练模型才行。

• 为了，克服这两种方法的缺点，一般有如下方法：

  • 利用已有的知识结构自动学习各种语料。比如用维基百科训练一个 Word2vec 模型。此外，知识图谱的建立和语境感知在情感分类中也是很重要的。

  • 结合词法分析和机器学习两种方法综合判断，以减小误差。

下面采用