针对在线评论信息挖掘领域,既有研究尚存在上下文信息缺乏、重要内容捕获不足、噪音大、多是文本级粗粒度情感分析等问题,设计了基于注意力机制的LSTM(long short term memory)产品创新特征识别流程框架模型.通过有用性评论的筛选、特...针对在线评论信息挖掘领域,既有研究尚存在上下文信息缺乏、重要内容捕获不足、噪音大、多是文本级粗粒度情感分析等问题,设计了基于注意力机制的LSTM(long short term memory)产品创新特征识别流程框架模型.通过有用性评论的筛选、特征词库和情感词库的构建、At-LSTM情感分析模型的构建及细粒度特征情感与Kano模型的结合,为企业产品的创新改进提供了明确方向.京东、淘宝购物平台有关智能手机评论的实验表明,At-LSTM模型的准确率、精确率和召回率分别为91.52%,91.73%,91.53%,相较KNN,NB,SVM等模型均有提升,产品特征不同需求层次的划分也有利于手机产品的创新改进.展开更多
文摘针对在线评论信息挖掘领域,既有研究尚存在上下文信息缺乏、重要内容捕获不足、噪音大、多是文本级粗粒度情感分析等问题,设计了基于注意力机制的LSTM(long short term memory)产品创新特征识别流程框架模型.通过有用性评论的筛选、特征词库和情感词库的构建、At-LSTM情感分析模型的构建及细粒度特征情感与Kano模型的结合,为企业产品的创新改进提供了明确方向.京东、淘宝购物平台有关智能手机评论的实验表明,At-LSTM模型的准确率、精确率和召回率分别为91.52%,91.73%,91.53%,相较KNN,NB,SVM等模型均有提升,产品特征不同需求层次的划分也有利于手机产品的创新改进.
