一种基于卷积神经网络的商品评论数据情感分类方法技术

本发明专利技术公开了一种基于卷积神经网络的商品评论数据情感分类方法，针对传统的词向量表示方法只提取词汇特征和句法特征，而忽略了词语之间的语义关系的问题，传统的分类算法分类效果能以再被提升的问题，提出了一个基于卷积神经网络的商品评论数据情感分类方法。首先利用CBOW模型提取出每条评论数据的词向量特征，增强了词语之间的语义关系和词向量特征的表达能力，然后利用卷积神经网络模型这个深度学习网络模型建立情感分类模型，提升了评论数据的情感分类性能。本发明专利技术的技术方案具有简单、快速的特点，能够较好地提高评论数据情感分类的分类性能。

A sentiment classification method for commodity reviews based on convolutional neural network

The invention discloses a commodity review data classification algorithm based on convolutional neural network method, extracting lexical features and syntactic features for traditional word vector, while ignoring the semantic relationship between the words of the problem, the effect of the traditional classification algorithm can be classified to upgrade problems, put forward a based on the goods review of data classification algorithm of convolutional neural network. First extract the feature vector of each word comment data using the CBOW model, to enhance the ability to express the semantic relations between words and word feature vectors, and then establish the emotion classification model using convolution neural network model of the deep learning network model, to enhance the performance of sentiment classification according to the number of comments. The technical scheme of the invention has the characteristics of simple and fast, and can better improve the classification performance of the sentiment classification of the review data.

【技术实现步骤摘要】
一种基于卷积神经网络的商品评论数据情感分类方法
本专利技术属于情感分类
，特别是涉及一种基于卷积神经网络的商品评论数据情感分类方法。
技术介绍
(1)情感分类技术随着移动网络技术的飞速发展和智能手机的普及，人们日益趋于通过手机APP直接在一些电子商务网站上直接购买商品，用户也会通过这些电子商务网站来发表评论内容，来分享他们在购买了商品后使用商品的感受。对商品评论数据进行情感分析，又叫意见挖掘，即是对客户对商品的带有情感态度的评论信息进行搜集、预处理、并对其表达的情感倾向进行判别的过程。对电子商务网站上的评论数据进行情感分类，可以判断出购买者对某件商品的情感倾向：是喜欢这件商品还是对这件商品不满意。到现在为止，文本情感分类这个领域主要可以分为两个研究方向。第一个方向是基于情感字典来实现情感分类。第二个方向是基于机器学习的算法来进行文本情感分类。基于情感字典的文本情感分类方法一般是不会去考虑在这些文本中词之间的关系，而只是将这些文本当成是词与词之间的集合。最简单的基于情感字典的文本情感分类方法是利用从网络中或者传统字典中抽取出来的字典，这些字典记录了很多具有情感倾向的词语。当对文本本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的商品评论数据情感分类方法，其特征在于，包括以下步骤：步骤1：爬取商品评论数据，标记所有的评论数据的情感倾向，标记积极评论的类标号为1，标记消极评论的类标号为0；步骤2：对商品评论数据进行分词，将一篇文本或一句话分成一个个用空格分隔的单词；步骤3：提取每一个单词的词向量，每一条评论包含的单词的词向量之和即为该条评论的特征向量表示；步骤4：训练卷积神经网络情感分类模型；步骤5：对待预测商品评论数据进行分词；步骤6：利用步骤3中为每个单词提取出的词向量，对待预测商品评论数据形成向量表示；步骤7：将步骤6中形成的待预测的商品评论数据的向量表示输入到步骤4中训练好的卷积神经网络情感...

【技术特征摘要】
1.一种基于卷积神经网络的商品评论数据情感分类方法，其特征在于，包括以下步骤：步骤1：爬取商品评论数据，标记所有的评论数据的情感倾向，标记积极评论的类标号为1，标记消极评论的类标号为0；步骤2：对商品评论数据进行分词，将一篇文本或一句话分成一个个用空格分隔的单词；步骤3：提取每一个单词的词向量，每一条评论包含的单词的词向量之和即为该条评论的特征向量表示；步骤4：训练卷积神经网络情感分类模型；步骤5：对待预测商品评论数据进行分词；步骤6：利用步骤3中为每个单词提取出的词向量，对待预测商品评论数据形成向量表示；步骤7：将步骤6中形成的待预测的商品评论数据的向量表示输入到步骤4中训练好的卷积神经网络情感分类模型中，得到待预测的商品评论数据的情感倾向。2.根据权利要求1所述的基于卷积神经网络的商品评论数据情感分类方法，其特征在于：步骤2中，在分词的过程中去掉标点符号、数字、英文字符以及停用词和语气助词。3.根据权利要求1所述的基于卷积神经网络的商品评论数据情感分类方法，其特征在于：步骤3中，利用CBOW模型提取每一个词的词向量。4.根据权利要求1所述的基于卷积神经网络的商品评论数据情感分类方法，其特征在于：步骤4中，卷积神经网络包含输入层、卷积层、池化层、全...

【专利技术属性】
技术研发人员：余啸，刘进，聂国平，崔晓晖，井溢洋，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42