64、基于深度递归神经网络的在线评论细粒度情感评级

基于深度递归神经网络的在线评论细粒度情感评级

一、概述

在商业世界中，在线消费者的评论和评级对企业有着或积极或消极的影响。许多在线评论系统除了提供自由文本评论外，还会有星级评级。然而，不同用户对产品或服务的不同方面有不同偏好，将评论映射到相应评级时会出现不一致，用户也难以从大量评论中获取相关信息。

这个问题可以通过构建基于观点极性分类概念的自动评论评级系统来解决。但识别短句子中的细粒度观点极性需要更复杂的语言模型和评估资源，特别是包含正负短语的复合语句，极性检测更为复杂。例如，“I just loved the resolution and picture quality of the TV, but disappointed that it does not support Bluetooth speakers”，这句话包含了电视的正负方面描述，使用粗粒度模型会导致有偏差的判断。

目前，观点极性分类技术大多局限于“词袋（BOW）”模型，忽略了语义知识，且通常在文档级别操作。受深度递归神经网络（Deep - RNN）成功案例的启发，研究旨在构建一个用于在线评论自动评级的细粒度句子和短语级分类模型。

模型介绍

• 深度神经网络（DNN） ：由多个非线性信息处理隐藏层组成，通过组合低级特征获得更高级别的层次结构，使后续层具有更抽象和通用的含义。
• 递归神经网络（RNN） ：是一种特定类型的DNN，用于处理结构化输入（如解析树），通过递归应用固定权重集。它是循环神经网络（RcNN）的广义形式，具有偏斜树表示。RcNN中每个隐藏状态是其先