基于频繁子树模式的评价对象抽取

摘要：

现有的评价对象抽取方法多基于启发式规则或者基于词性、词形等特征的机器学习方法,未能较好地利用依存分析所揭示出的深层句法关联关系.为此,基于从依存关系树库所挖掘的频繁树模式,提出一种针对中文评论性短文本的评价对象抽取方法.该方法基于依存关系频繁子树模式进行短文本的初始标注,采用错误驱动框架的方法提炼出能反映评价对象特征的频繁子树模式有序模式规则集,并利用该规则集进行评价对象的抽取.实验结果表明,该方法具有较好的稳定性与准确性,在召回率和F1值等评价指标上优于基于支持向量机的方法.

关键词：依存句法、短文本、频繁子树模式、错误驱动、支持向量机

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家"863"计划项目2012AA011005;国家自然科学基金61273292;情感计算与先进智能机器安徽省重点实验室开放课题ACAIM2015xxx

在线出版日期：2017-05-22（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：222-227