基于BiGRU-CNN的中文评论文本情感分析，张苗，张征，近年来，互联网上中文评论文本的激增使得使用深度学习方法进行评论文本情感分析成为一种趋势。目前常用的深度学习模型是基于卷积
2021-06-01 15:38:52
221KB
1
评论数据存在稀疏问题，不足以支撑学习出更全面的用户偏好。针对评论稀疏问题进行了研究，并提出一种应对评论稀疏的即插即用辅助网络（NRSN），其能与不同的模型进行结合，以添加辅助信息的方式，来重新调整当前模型输出的用户偏好向量。首先根据目标用户，使用aspect-attention机制从其近邻用户评论中学习出近邻用户的偏好，然后采用co-attention机制将近邻用户和目标用户进行契合度匹配，调整出目标用户新的偏好向量。在三组公开数据集下的实验结果表明，NRSN不仅能提高所结合模型的推荐性能，且能有效应对“冷启动”场景下的评论稀疏问题。
2021-04-30 17:02:54
1.41MB
1
移动端html5发布评论的文本框，带表情功能，表情防微信的表情，文本框为可视化文本框，即插入表情时看到的是真表情，而不是表情符号
2021-04-29 09:51:12
350KB
1
使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）-附件资源
2021-04-07 14:38:32
106B
1
基于评论文本情感分析的产品扩散建模与仿真，黄逸雨，江资斌，在线评论信息包含用户主观情感、购物体验等多重信息，可为企业产品改善与创新提供参考依据。本文构建基于文本评论挖掘数据的巴斯
2021-04-01 22:03:10
520KB
1