Resumen

La actual explosión de datos en Internet hace prever una demanda cada vez mayor de análisis de emociones textuales que facilita enormemente el análisis de la opinión pública y la predicción de tendencias, entre otros. Por ello, este trabajo propone utilizar un algoritmo de red neuronal convolucional de doble canal (DCNN) para analizar las características semánticas de los big data de texto en inglés. Tras el análisis del efecto de la CNN, la red neuronal artificial (ANN) y la red neuronal recurrente (RNN) en el análisis de datos de texto en inglés, se introducen la memoria a corto plazo más eficaz (LSTM) y la red neuronal de unidad recurrente cerrada (GRU), y cada red se combina con la CNN de doble canal, respectivamente, y se analizan exhaustivamente en experimentos comparativos. En segundo lugar, se analizan las características semánticas de los big data de texto en inglés mediante el algoritmo de información mutua mejorada SO-pointwise (SO-PMI). Por último, se establece el modelo CNN de doble canal. Bajo el experimento comparativo, la NN GRU tiene un mejor efecto de detección de características que la NN LSTM, pero el aumento de rendimiento de la CNN de doble canal a la NN GRU de doble canal no es obvio. Bajo el análisis comparativo del modelo CNN de doble canal de GRU NN y el modelo CNN de doble canal de LSTM, el modelo CNN de doble canal de GRU NN asegura la alta precisión del análisis de características semánticas y mejora la velocidad de análisis del modelo. Además, después de añadir el mecanismo de atención al modelo GRU NN de doble canal CNN, la precisión del análisis de características semánticas del modelo mejora en casi un 1,3%. Por lo tanto, el modelo de conjunto del mecanismo de atención de GRU NN de doble canal CNN es más adecuado para el análisis de características semánticas de big data de texto en inglés. Los resultados ayudarán a la plataforma de comercio electrónico a analizar el lenguaje de evaluación y las características semánticas para la red actual de textos cortos en inglés.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo channel cnn, gru nn, análisis de características semánticas, channel cnn, big data, características semánticas, red neuronal, texto en inglés, mecanismo de atención, lstm nn
• Keywords:channel cnn model, gru nn, semantic features analysis, channel cnn, big data, semantic features, neural network, english text, attention mechanism, lstm nn