随着网购的盛行,商品评论数量急剧增长,内容也越来越五花八门。如何高效挖掘处理这些评论是一件非常有价值的事情。对商品评论做情感分析是关于这些评论研究的一个重要方向。现阶段在情感分析研究中最常用的有基于机器学习的方法和基于情感知识分析的方法。本文主要采用机器学习中的SVM方法和深度学习中的LSTM方法分别对从京东网站爬取的商品评论进行模型搭建,然后对比分析。由于LSTM能够保持长期的记忆性,它很好地克服在SVM分类中每个句子的词向量求平均丢失了句子词语之间的顺序信息的缺点,保留了词与词之间的语义信息(如词序信息、评论情感分析研究-液压弯管机数控弯管机张家港电动液压弯管机电动弯管机上下文信息等),并且通过复杂的非线性计算更好地提取词向量中隐藏的情感信息。因此使用LSTM方法准确率比SVM方法提高不少,在情感分析上表现出非常好的效果。 基于SVM和LSTM两种模型的商品评论情感分析研究43《软件》杂志欢迎推荐投稿：cosoft@vip.163.com时候都存在着梯度消失，梯度爆炸等问题。为了避免RNN这些缺陷，能够很好地控制在训练过程中梯度的收敛性，同时也可以保持长期记忆性提出了LSTM。LSTM通过细胞的记忆单元来替代RNN隐藏层中的模块，同时使用输入门、输出门、遗忘门使得其可以记忆、更新长距离的信息，从而实现对长距离信息的处理。LSTM的具体架构图如下。图1LSTM结构i、输出门o、遗忘门f和记忆细胞c组成。本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net输入层、输出层和遗忘层分别控制记忆细胞的读、写和丢失操作的控制器。图中Cell是整个LSTM的关键，它类似于传送带，直接在整个循环网络中运行，并且由它来决定该保留或者遗弃哪些信息。而其他的三个层，则用来保护或者遗弃哪些信息。而其他的三个层，则用来保护和控制细胞的状态，最后由输出层的输出to以及当前时刻cell的状态tc决定整个LSTM的输出ty。LSTM可以表述为：tdxR为输入矢量，tdyR为t时刻LSTM的含有语句特征的输出矢量。，h表示激活函数sigmoid和tanh，****W,R,p和b分别代表系数矩阵和偏置向量。1.4TensorFlowTensorFlow[11]分成两部分张量（tensor）和流（flow），张量是计算图的基本数据结构，它代表的是节点之间传递的数据，通常是一个多维度矩阵或者一维向量，流表达了张量之间通过计算互相转化的过程，形象理解为数据按照流的形式进入数据运算图的各个节点。目前，tensorflow是最热门的深度学习工具，本文将借评论情感分析研究-液压弯管机数控弯管机张家港电动液压弯管机电动弯管机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net