基于CNN-BiLSTM-HAN混合神经网络的高校图书馆社交网络平台细粒度情感分析

目的/意义]从高校图书馆社交网络平台用户评论数据挖掘角度出发，对用户评论情感极性进行细粒度分析，为高校图书馆了解用户真实情感倾向并提升服务质量提供科学依据。方法/过程]以国内高校图书馆社交网络平台用户中文评论数据为研究对象，通过Tensor Flow深度学习框架，利用Keras人工神经网络库，将卷积神经网络（Convolution Neural Network,CNN）和双向长短时记忆网络（Bidirectional Long Short Term Memory,BiLSTM）结合，并引入层次化注意力机制（Hierarchical Attention,HAN），构建基于CNN-BiLSTM-HAN混合神经网络的情感分析模型。结果/结论]利用真实高校图书馆社交网络平台用户评论数据集进行实验，本文方法取得93.38%的准确率，结果表明本文模型的有效性。模型较为复杂，导致模型训练时间上较长，方法模型的普适性有待进一步检验，表情符号信息没有得到有效利用，参数设置尚需进一步研究。