基于BiLSTM-CRF模型的汉语否定信息识别

摘要：

否定信息识别是将自然语言中的肯定信息与否定信息分离,它对信息检索、文本挖掘、情感分析等都有重要作用.该文主要对汉语否定信息中的触发词识别和覆盖域识别进行研究,采用双向长短期记忆网络结合条件随机场(BiLSTM-CRF)为模型,预训练的词向量为输入特征对触发词进行识别,在此基础上添加已知触发词特征对覆盖域进行识别.中文否定与不确定信息语料上,触发词识别取得F1值为91.03％,覆盖域识别在该语料的子语料财经新闻上取得F1值最高为73.91％.实验结果表明,这一模型在汉语否定触发词识别和覆盖域识别上取得的效果优于CRF模型和BiLSTM模型.

关键词：BiLSTM-CRF、否定触发词、否定覆盖域

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金51608070

在线出版日期：2019-01-07（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：55-61