基于深度学习的电商用户评论情感算法系统设计
摘要：随着互联网时代的到来，电子商务开始兴起并飞速发展，人们购买商品不再局限于线下，越来越多的人开始通过线上进行交易。网购的繁荣也预示着海量用户评论信息的产生。消费者通过评论信息可获取对商品的认知来决定是否购买，商家也可通过评论信息获取用户对商品的反馈来制定销售策略。本论文以京东手机电池类目下的用户评论数据为研究对象，搭建基于深度学习的用户评论情感倾向分析系统。本系统通过对原始数据进行预处理、文本分词、停用词过滤等操作生成实验数据，并使用多维度的卷积神经网络对实验数据进行建模。该系统可实现快速对海量用户评论进行情感倾向判断，获得用户对商品的正负面情感值，以此来有效地帮助消费者和商家做出决策，提升用户满意度和商品销量。
关键词：数码产品；用户评论；情感分析；深度学习
一、文献综述
随着互联网时代的到来，电子商务开始兴起并飞速发展，人们购买商品不再局限于线下，越来越多的人开始通过线上进行交易。网购的繁荣也预示着海量用户评论信息的产生。消费者通过评论信息可获取对商品的认知来决定是否购买，商家也可通过评论信息获取用户对商品的反馈来制定销售策略。本论文以京东数码产品的用户评论为研究对象，搭建基于深度学习的用户评论情感倾向判断系统。本系统可实现快速对海量用户评论进行情感倾向判断，获得用户对商品的正负面情感倾向程度。本系统可有效地帮助消费者和商家做出决策，提升用户满意度和商品销量。
在自然语言处理领域中，有着多种情感分析的算法，每种算法都有优势与不足，并且试用场景并不相同。为此，本文将列举几种常见的情感算法进行阐述。
情感分析又称为倾向性分析和意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，其中情感分析还可以细分为情感极性分析，情感程度分析，主客观分析等。情感极性分析的目的是对文本进行褒义、贬义、中性的进行判断。
情感程度分析主要是对同一情感极性中再进行划分或者细分，以描述该极性的强度。例如“喜爱”和“敬爱”都是褒义词，但是“敬爱”相对来说褒义的程度更加强烈一些。
主客观分析主要目的是识别文本中哪些部分是客观称述而不带情感色彩，哪些是带有情感的主管描述。在对于微博，或者商品评论时，这个分析步骤一般都忽略，因为微博和商品评论本身就一定存在强烈的情感色彩，而且客观描述的情感值理论上是为零，不影响最终的情感分析结果。
