基于深度学习的隐性评价对象识别方法

摘要：

在线评论文本具有口语化的特点,其评价词缺少对应的评价对象,影响了细粒度情感分析的效果.为此,提出一种利用深度学习自动识别评价对象的方法.设计研究领域的文本序列标注规范,在对评论语料分词后,进行评价词与评价对象的命名实体标注,得到单词序列、词性序列和标注序列.将单词序列、词性序列转为神经网络语言模型的词向量,并用循环神经网络进行训练,采用条件随机场(CRF)输出评价对象标签,得到缺失的评价对象.实验结果表明,与单一CRF模型相比,BiLSTM+ CRF模型和BiGRU+ CRF模型的识别效果较好,BiGRU+ CRF模型的F1值最高可达0.84.

关键词：隐性评价对象、隐性特征、深度学习、循环神经网络、条件随机场、命名实体识别

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家社会科学基金“基于数据驱动的图书馆资源发现系统平台研究”16BTQ026

在线出版日期：2019-08-27（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：315-320