基于顾客评论的细粒度情感分析研究.pdf

摘要

摘要

随着行业竞争格局日益白热化，商户管理难度增强，宽幅加大，经营要求更

精细，同时顾客对服务质量和产品品质追求提高，分析讨论海量顾客评论，挖掘

其中蕴含的应用价值具有重要意义。通过分析评论，能够描述消费感受，反映商

家服务质量的高低，因此从评论文本中抽取价值信息对商家和消费者都有益处。

传统情感分析侧重于篇章级和句子级的粗粒度情感研究，对文本进行整体分

析，获得整体的情感极性，若文本中出现多方面的评价且对应情感极性不一致时，

AspectBasedSentiment

其效果往往不能满足用户的个性化需求。细粒度情感分析（

Analysis,ABSA）旨在抽取用户对于商品的某方面的情感偏向，能够为用户提供更

加精准的信息。针对细粒度情感分析问题，围绕方面实体的情感分析（AspectTerm

SentimentAnalysis,ATSAAspectCategorySentiment

）和方面类别的情感分析（

Analysis,ACSA），研究设计有效的深度学习算法模型。论文的主要工作如下：

1.针对方面实体情感分析，本文提出了基于轻量型文本表征ALBERT的

BiLSTM-GateCNN的混合网络模型。采用ALBERT预训练模型做文本表征，增加

Adapter模块，利用轻量化的优势极大减少了向量表示的训练时间和学习参数量。

在文本特征提取过程中，将BiLSTM网络与门控卷积网络结合，使模型同时关注

局部特征和上下文相关信息，增强模型语境学习能力。通过和当下的主流模型进

行对比实验，表明了模型在评价指标上有较大的提升。

2.针对方面类别情感分析，拆分成方面词识别、观点抽取、方面类别和情感极

性分类三个子任务。对于方面词识别，已有的主流模型存在结构复杂、学习速度

慢问题，本文设计了基于ALBERT的BiGRU-CRF的方面词识别算法，通过减少

模型复杂度改善训练时长，同时保证模型的精确度。对于观点抽取，融合问答机

制，设计围绕方面词知识的query，提出了RoBERTa-QA的文本表征训练方法，增

强模型捕获观点信息的能力。对于方面类别和情感极性分类，设计了基于RoBERTa

和多头注意力机制改进的多任务多分类模型。通过在公开数据集上开展对比实验，

结果验证了模型在情感分类任务上具有较好的效果。

3.开发了基于顾客评论的细粒度情感分析系统，利用本文提出的细粒度情感分

析模型处理实际问题，结果可视化直观的展示给用户，进一步验证本文提出模型

的针对性和有用性。

关键词：细粒度情感分析，方面实体情感分析，方面类别情感分析，注意力机制

I

ABSTRACT

ABSTRACT

Theindustrycompetitionpatternisshowingawhite-hottrend,somerchant

managementbecomesmoredifficult,widerandmorerefined.Atthesametime,

customersarepursuingmoreperfectservicequalityandproductqualityintheindustry.

Analyzinganddiscussingthemassivecustomerreviewsandtaptheapplicationvalue

containedinthemismeaningful.Byanalyzingcustomerreviews,itispossibleto

describeconsumptionfeelingsandreflectthequalityofmerchantsservices.Therefore,

extractingvaluein