基于多特征融合与双向RNN的细粒度意见分析

被引：67

作者：

郝志峰 ^{[1
,2
]}

黄浩 ^{[1
]}

蔡瑞初 ^{[1
]}

温雯 ^{[1
]}

机构：

[1] 广东工业大学计算机学院

[2] 佛山科学技术学院

来源：

计算机工程 | 2018年 / 44卷 / 07期

基金：

广州市科技计划项目; 广东省科技计划; 广东省自然科学基金;

关键词：

特征融合; 词向量; 循环神经网络; 属性抽取; 细粒度意见分析;

D O I：

10.19678/j.issn.1000-3428.0047729

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

文本细粒度意见分析主要有属性抽取和基于属性的情感分类2个任务,现有方法完成上述任务采用条件随机场(CRF)训练属性抽取模型,并运用循环神经网络(RNN)训练基于属性的情感分类模型。但同时完成2个任务则无法找到属性和情感倾向的对应关系。针对该问题,提出利用双向RNN构建基于序列标注的细粒度意见分析模型。通过融合文本的词向量、词性和依存关系等语言学特征,学习文本的修饰和语义信息,并设计一个时间序列标注模型,同时抽取属性实体判断文本的情感极性。在真实数据集上的实验结果表明,与CRF、TD-LSTM、AELSTM等模型相比,该模型情感分类效果提升明显。

引用

页码：199 / 204+211 +211

页数：7

共 5 条

[1]

Product named entity recognition for Chinese query questions based on a skip-chain CRF model.[J].Zhifeng Hao;Hongfei Wang;Ruichu Cai;Wen Wen.Neural Computing and Applications.2013, 2

[2]

面向中文产品评论的完整评价对象抽取方法 [J].