基于双层注意力机制的用户创新评论提取方法

作     者：于涛 王瑞 战洪飞 余军合 YU Tao;WANG Rui;ZHAN Hongfei;YU Junhe

作者机构：宁波大学机械工程与力学学院浙江宁波315000 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2024年第40卷第3期

页      面：7-12,18页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：浙江省省属高校基本科研业务费项目(SJLZ2023001) 国家重点研发计划资助项目(2019YFB1707101,2019YFB1707103) 国家自然科学基金资助项目(71671097) 

主　　题：信息提取 深度学习 文本分类 电商平台 在线评论 

摘      要：电商平台积累着大量用户发表的商品评论,蕴含着丰富的产品创新想法,可以为产品设计人员提供创意与灵感。然而,传统的评论挖掘技术在识别语义复杂且不规范的创新评论时,精度较低,无法满足实际需求。为此,我们提出一种基于双层注意力机制的双层BiLSTM模型,以高精度地提取创新评论。该模型首先基于预测策略的EDA数据增强方法扩充创新评论,然后在Bert预训练模型的基础上结合词向量注意力机制生成评论句子中单词的语义和上下文表示,再利用双层BiLSTM提取评论语句的时序特征,最后通过注意力机制识别评论语句的关键特征。通过对两个商品评论数据集进行实例验证,表明本文提出的方法比目前的创新评论提取方法识别精度更高,F1值可以达到92%。