Publikace detail

Opinion mining of consumer reviews using deep neural networks with word-sentiment associations

Autoři: Hájek Petr | Barushka Aliaksandr | Munk Michal

Rok: 2020

Druh publikace: článek ve sborníku

Název zdroje: IFIP Advances in Information and Communication Technology. Vol. 583

Název nakladatele: Springer

Místo vydání: Heidelberg

Strana od-do: 419-429

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Dolování názorů ze spotřebitelských recenzí pomocí hlubokých neuronových sítí s asociacemi sentimentu slov	Automatické získávání názorů z recenzí spotřebitelů je stále důležitější díky rostoucímu vlivu recenzí na online maloobchodní nákupy. Stávající přístupy k automatizované klasifikaci názorů se spoléhají buď na slovníky sentimentu, nebo na strojové učení. Hluboké neuronové sítě plní tento úkol klasifikace obzvláště dobře využitím husté reprezentace dokumentu, pokud jde o vnoření slov. Tento model reprezentace však nezohledňuje polaritu sentimentu ani intenzitu sentimentu slov. K překonání tohoto problému navrhujeme nový model hluboké neuronové sítě s asociacemi slovního sentimentu. Tento model vytváří bohatší reprezentaci dokumentu, která zahrnuje jak slovní kontext, tak i slovní sentiment. Konkrétně náš model využívá předem naučené vnoření slov a indikátory sentimentu založené na slovnících, aby poskytly vstupy do hluboké neuronové sítě. K ověření efektivnosti navrhovaného modelu se používá srovnávací datový soubor recenzí Amazonu. Naše výsledky silně podporují integrovanou reprezentaci dokumentů, což ukazuje, že navrhovaný model překonává jiné existující přístupy strojového učení k získávání názorů z recenzí spotřebitelů.
eng	Opinion mining of consumer reviews using deep neural networks with word-sentiment associations	Automated opinion mining of consumer reviews is becoming increasingly important due to the rising influence of reviews on online retail shopping. Existing approaches to automated opinion classification rely either on sentiment lexicons or supervised machine learning. Deep neural networks perform this classification task particularly well by utilizing dense document representation in terms of word embeddings. However, this representation model does not consider the sentiment polarity or sentiment intensity of the words. To overcome this problem, we propose a novel model of deep neural network with word-sentiment associations. This model produces richer document representation that incorporates both word context and word sentiment. Specifically, our model utilizes pre-trained word embeddings and lexicon-based sentiment indicators to provide inputs to a deep feed-forward neural network. To verify the effectiveness of the proposed model, a benchmark dataset of Amazon reviews is used. Our results strongly support integrated document representation, which shows that the proposed model outperforms other existing machine learning approaches to opinion mining of consumer reviews.	Opinion mining; Consumer review; Word embedding; Lexicon; Sentiment; Deep neural network

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte