10.19678/j.issn.1000-3428.0047729
基于多特征融合与双向RNN的细粒度意见分析
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、AE-LSTM等模型相比,该模型情感分类效果提升明显.
特征融合、词向量、循环神经网络、属性抽取、细粒度意见分析
44
TP391(计算技术、计算机技术)
国家自然科学基金-广东联合基金U1501254;广东省自然科学基金2014A030306004,2014A030308008;广东省科技计划项目2015B010108006,2015B010131015;广东特支计划项目2015TQ01X140;广州市珠江科技新星专项201610010101;广州市科技计划项目201604016075
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
199-204,211