基于BRNN的政务APP评论端到端的情感方面分析方法.docx

简介：
本文提出了一种基于双向循环神经网络（BRNN）的方法，用于对政务APP评论进行情感分析，实现了从文本直接到情感标签的端到端处理。 本段落提出了一种基于双向循环神经网络（Bidirectional Recurrent Neural Network, BRNN）的端到端方面级情感分析方法（End-to-End Aspect-Level Sentiment Analysis, E2E-ALSA），用于政务APP在线评论文本的情感细粒度分析，以理解用户对信息系统各个方面的偏好，并促进他们的持续使用。 基于BRNN的方法主要贡献如下： 1. 实现了针对政务APP用户的评论进行细致的情感解析，揭示他们对于不同系统属性的感受。 2. 能够自动抽取方面实体并完成情感分类任务，直接输出最终的分析结果。 3. 有助于优化评价体系，减少非理性行为如强制下载、推广或购买虚假好评等现象的发生，从而提升政府形象和公众信任度。 本段落所提出的端到端方法解决了传统ALSA（Aspect-Level Sentiment Analysis）技术中的一些问题。传统的流水线式ALSA通常会利用机器学习进行方面实体的抽取，并基于这些结果来完成情感分类任务。然而，这种方法依赖于预定义的情感词典，而创建这样的字典需要人工干预，其准确性和全面性难以保证。 相比之下，本段落的方法通过端到端的方式克服了传统方法中的限制，实现了更加精确和直接的情绪分析。它不仅能够识别评论中提到的各个方面及其情感倾向，还为政务APP改进提供了有价值的反馈信息。