基于TS-BiLSTM的电商平台评论质量分类模型

作者：高茂娇; 张顺香

来源：计算机仿真, 2023, 1-7.

• 评论质量
• 电子商务
• 双向长短期记忆网络
• 自注意力机制

评论质量分类可用于筛选出高质量的评论，广泛应用在电子商务等多个领域。高质量的评论能够有效为商家和消费者提供产品选择的判断依据。但由于电商平台用户评论具有交错性和分散性的特点，特征提取过程较为复杂，传统的评论质量分类普遍采用机器学习的方法，分类的准确率不高。针对以上问题，提出一种基于TS-BiLSTM(TinyBERT Self-Attention BiLSTM)的电商平台评论质量分类模型。首先用TinyBERT对评论文本进行预处理，构建词向量；然后利用双向长短期记忆网络对输入的词向量进行特征提取，并使用自注意力机制对提取到的特征向量进行加权计算；最后利用全连接与Softmax对加权后的特征向量进行分类，得到分类结果。实验结果表明，所使用的模型能有效提高电商平台评论文本质量分类的准确度。

• 单位
  安徽理工大学