一种细粒度属性自动提取的用户评论文本情感挖掘模型

摘要

本发明涉及一种细粒度属性自动提取的用户评论文本情感挖掘方法。通过引入依存句法分析方法、LDA主题模型、Skip‑gram模型、LSTM情感分类算法、改进的KANO用户偏好分析模型，实现了对用户评论文本属性的自动挖掘和各属性的用户情感偏好的分析。该方法采用依存句法分析和LDA主题模型提取种子属性特征，基于这些属性特征，分别采用Word2vec中的Skip‑gram模型，进行词向量训练以及相似度计算得到各种子属性词下的产品特征词典，避免了直接基于词向量提取产品特征容易产生的噪声影响。本发明着眼于构建种子属性词下的产品特征词典，避免了直接基于词向量提取产品特征容易产生的噪声影响，同时利用LDA主题模型可以实现种子属性词的自动分类和提取，避免了人工对产品特征词集分类带来的主观性误差，在一定程度上能提高用户偏好分析及产品特征需求度计算时的准确率。