基于深度学习的化妆品舆情事件实体关系抽取技术研究
互联网的快速发展,使得舆情信息会在短时间内大范围传播.通过构建化妆品相关的知识图谱能够快速有效地发现舆情的焦点内容,有助于相关部门更好地掌握舆情导向,并且很好地支持后期的舆情分析.关系抽取和命名实体识别是构建知识图谱的关键技术.针对化妆品舆情存在的多实体关系问题,文章在BERT预训练模型的基础上构建了BERT-BiLSTM-CRF化妆品舆情实体关系抽取模型.在化妆品舆情数据集上进行了对比实验,实验结果表明:基于BERT-BiL?STM-CRF的化妆品舆情实体关系抽取模型比常用的几种神经网络模型高出2.68%～4.83%,验证了模型的合理性和有效性.
化妆品舆情、BERT、关系抽取
18
TP391(计算技术、计算机技术)
2023-02-07（万方平台首次上网日期，不代表论文的发表时间）
共3页
25-27
