基于序列标注反馈模型的方面信息提取方法

摘要：

针对已有方面信息提取方法存在信息利用效率低、易受错误传递影响的问题,提出一种基于编码器-解码器架构的序列标注反馈模型,将文本分类特征分为语义特征、词性特征、依赖特征3类,通过双路编解码、门控机制,将语义、词性、标签等信息多次融合,获取并提高最终特征表示能力;为降低错误传递问题对模型性能的不良影响,提出数据增强与反馈方法,将模型判断错误的样本经变换后生成新样本,反馈到训练样本集合中并融入下一轮训练流程,提高模型对各种语言现象的识别接受能力.在两个数据集上进行实验并与现有方法进行对比,实验结果表明,该方法能有效强化信息利用水平,降低错误传递问题的影响,具有更好的性能.

关键词：方面提取、深度学习、数据增强、双路编解码、信息融合

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2643-2649