融合多层次语义的网络评价方面抽取方法研究

摘要：

针对现有的评价方面抽取方法无法充分利用评论文本中字词包含的复杂语义问题,提出了一种融合多层次语义的网络评价方面抽取模型.首先将卷积神经网络(CNN)训练的字符表示与Word2Vec预训练的词向量进行拼接,构建字词融合的特征表示,利用注意力机制对字词融合的特征表示进行重要程度标识,获得融合注意力的特征表示;构建由CNN和双向长短期记忆网络(BiLSTM)组成的混合神经网络,利用CNN的强学习能力提取字、词的局部语义特征信息,利用BiLSTM全局特征提取能力捕捉字、词之间长距离的上下文语义信息,实现多层次语义融合,最后利用条件随机场学习标签之间的约束条件,输出评论文本最优的序列标注结果,并以酒店评论文本为实验数据集,对所提模型与方法进行可行性和有效性验证.结果表明:本模型具有更好的评价方面抽取效果,可以为基于文本的评价研究与分析提供优质的数据源.

关键词：方面抽取;混合神经网络;多层语义融合;注意力机制;条件随机场

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金;浙江省重点研发计划主动设计项目;浙江省科技公益技术研究计划项目

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：59-65,70