融合句法依存与BERT-Att-BiLSTM的属性分类

摘要：

针对细粒度情感分析属性分类准确率低的问题,提出了一种融合句法依存关系和基于转换器的双向编码器-注意力机制-双向长短期记忆网络(BERT-Att-BiLSTM)的属性分类模型.该模型首先构建基于句法依存关系的目标信息提取层,进行属性-观点对提取;其次,在词嵌入层,使用BERT模块实现结合上下文动态特征的词向量预训练;然后,在特征提取层,融入Att的BiLSTM模块进行特征空间降维处理;最后,在分类层,通过激活函数输出属性-观点对的属性类别.实验结果表明,所提模型的精准度、召回率和F1值分别为85.25％、72.38％和77.06％,均优于其他模型,证明了所提模型的有效性.

关键词：属性抽取、句法依存关系、属性分类、基于转换器的双向编码器、注意力机制

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：现代农业产业技术体系北京市创新团队建设项目BAIC04-2021

在线出版日期：2023-10-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128