在电子商务平台上使用加权并行混合深度学习方法对智能城市应用程序进行可持续情绪分析

科学领域:

• 自然语言处理 (NLP) 是一种自然语言处理.
• 机器学习 (ML) 是指机器学习.
• 深度学习 (DL) 是指深度学习.

背景情况:

• 电子商务平台产生大量的用户评论.
• 从这些评论中了解客户的情绪对于提高客户满意度至关重要.
• 传统方法在评论中与人类语言的细微差别作斗争.

研究的目的:

• 引入一种基于深度学习的新型加权并行混合式电子商务产品评价情绪分析 (WPHDL-SAEPR) 系统.
• 在电子商务产品评论中准确区分正面,中立和负面情绪.
• 为了提高电子商务应用的情绪分析的有效性.

主要方法:

• 利用深度学习 (DL),因为它能够捕捉复杂的语言关系和暗示的情绪.
• 采用word2vec用于文字嵌入,并使用新的WPHDL模型进行情感分类.
• 在WPHDL模型中,集成的受限制的博尔兹曼机器 (RBM) 和奇点值分解 (SVD).
• 实施数据预处理技术以确保兼容性和准确性.

主要成果:

• WPHDL-SAEPR方法在消费者评论数据库上展示了准确的情绪分类.
• 该系统有效地识别和区分了在线评论中表达的各种情绪.
• 模拟结果突出了WPHDL-SAEPR架构的每个阶段的性能改进.

结论:

• 拟议的WPHDL-SAEPR系统为电子商务中的情绪分析提供了强大而准确的解决方案.
• 这种方法可以大大有助于了解消费者的态度,并提高客户的幸福感.
• 整合DL技术,RBM和SVD提供了一个强大的框架来分析主观数据.