基于频繁子树模式的评价对象抽取

• 作者: 田卫东 苗惠君
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 依存句法 短文本 频繁子树模式 错误驱动 支持向量机
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 222-227
• 页数: 6页
• 分类号: TP391
• 字数: 5345字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.04.038

摘要

现有的评价对象抽取方法多基于启发式规则或者基于词性、词形等特征的机器学习方法,未能较好地利用依存分析所揭示出的深层句法关联关系.为此,基于从依存关系树库所挖掘的频繁树模式,提出一种针对中文评论性短文本的评价对象抽取方法.该方法基于依存关系频繁子树模式进行短文本的初始标注,采用错误驱动框架的方法提炼出能反映评价对象特征的频繁子树模式有序模式规则集,并利用该规则集进行评价对象的抽取.实验结果表明,该方法具有较好的稳定性与准确性,在召回率和F1值等评价指标上优于基于支持向量机的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田卫东	合肥工业大学计算机与信息学院	34	225	8.0	13.0
2	苗惠君	合肥工业大学计算机与信息学院	1	3	1.0	1.0