基于混合深度神经网络的意见矢量挖掘与分析
计算与语言
2025-11-20 v1 人工智能
摘要
由于社交媒体和电子商务的日益影响，理解客户态度已成为决策制定的关键组成部分。基于文本的意见最为结构化，因此在情感分析中发挥重要作用。大多数现有方法，包括词典方法和传统机器学习技术，无法处理情境细微差别和可扩展性。后者在模型性能和泛化能力方面存在局限，而深度学习（DL）通过循环神经网络（RNN）和卷积神经网络（CNN）等实现了改进，尤其在捕捉语义关系方面。本研究旨在通过引入一种混合深度神经网络模型来增强意见矢量挖掘，该模型将双向门控循环单元（BGRU）和长短期记忆网络（LSTM）层相结合，以提高情感分析效果，特别是解决情境细微差别、可扩展性和类别不平衡等挑战。为论证所提出模型的有效性，我们使用基准数据集进行了全面实验，包括 IMDB 电影评论和亚马逊产品评估。所提出的混合 BGRULSTM（HBGRU-LSTM）体系结构在测试准确率达到 95%，超越了传统深度学习框架，如 LSTM（93.06%）、CNN+LSTM（93.31%）和 GRU+LSTM（92.20%）。此外，我们的模型在负面情感召回率上实现了显著提升，从不平衡数据集的 86%提升至平衡数据集的 96%，从而确保了更公平且合理的情感分类。该模型还将误分类损失从不平衡数据集的 20.24%降至平衡数据集的 13.3%，表明其泛化能力和韧性得到增强。
引用
@article{arxiv.2511.14796,
title = {Opinion Mining and Analysis Using Hybrid Deep Neural Networks},
author = {Adel Hidri and Suleiman Ali Alsaif and Muteeb Alahmari and Eman AlShehri and Minyar Sassi Hidri},
journal= {arXiv preprint arXiv:2511.14796},
year = {2025}
}
备注
22 pages, 4 figures, 11 tables