电子商务评论的统计分析及基于双向循环神经网络（RNN）的情感分类
计算与语言
2020-06-17 v2 机器学习
机器学习
摘要
理解客户情感在当今营销策略中至关重要。这不仅会让公司洞察客户如何评价其产品和服务，还会让他们了解如何改进其供应。本文试图理解女性服装电子商务客户评论中不同变量之间的相关性，并对每条评论进行分类：是否推荐所评产品，以及其包含正面、负面还是中性情感。为实现这些目标，我们对除评论标题和评论文本外的数据集特征进行了单变量和多变量分析，并实现了带有长短期记忆单元（LSTM）的双向循环神经网络（RNN）用于推荐和情感分类。结果表明，推荐是正面情感得分的强指标，反之亦然。另一方面，产品评论中的评分是情感得分的模糊指标。我们还发现，双向LSTM在推荐分类上达到了0.88的F1-score，在情感分类上达到了0.93的F1-score。
引用
@article{arxiv.1805.03687,
title = {Statistical Analysis on E-Commerce Reviews, with Sentiment Classification using Bidirectional Recurrent Neural Network (RNN)},
author = {Abien Fred Agarap},
journal= {arXiv preprint arXiv:1805.03687},
year = {2020}
}
备注
21 pages, 29 figures, 6 tables