（2）从服装电商网站，通过分布式爬虫采集到的作为文本数据，对当前服装电商评论文本进行分析，相关算法存在的缺陷和不足做了研究。提出了一种融合注意力机制长短时记忆网络模型 BiLSTM-Self-Attention。经过分布式爬虫采取到的数据集，对数据预处理，训练词向量，输入到算法模型中训练，通过实验结果表明，注意力机制对服装评价文本情感特征的计算，给准确率带来了较大的提升。
（3）针对服装电商评论可能存在一些情感倾向不明确，前后倾向不一致等相关中性评论文本。普通单一的算法模型可能难以对其完成正面、负面、中性三分类。因此提出了一种融合双向门控循环网络（Bi-GRU)的服装电商评论情感分析模型（BiGRU-WS-Attention)。利用双向门控循环网络来提取文本的情感特征，并针对词语级和句子级别分别使用注意力机制，重新加权计算得到最后的情感特征权重，输出分析结果。通过各种对比实验，以及相关实验评价指标来验证了本文提出的 BiGRU-WS-Attention 模型可以更好地完成服装电商评论文本的情感分类问题。
参考文献（略）
