基于多特征融合与双向RNN的细粒度意见分析

• 作者: 温雯 蔡瑞初 郝志峰 黄浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 特征融合 词向量 循环神经网络 属性抽取 细粒度意见分析
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 199-204,211
• 页数: 7页
• 分类号: TP391
• 字数: 6227字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0047729

摘要

文本细粒度意见分析主要有属性抽取和基于属性的情感分类2个任务,现有方法完成上述任务采用条件随机场(CRF)训练属性抽取模型,并运用循环神经网络(RNN)训练基于属性的情感分类模型.但同时完成2个任务则无法找到属性和情感倾向的对应关系.针对该问题,提出利用双向RNN构建基于序列标注的细粒度意见分析模型.通过融合文本的词向量、词性和依存关系等语言学特征,学习文本的修饰和语义信息,并设计一个时间序列标注模型,同时抽取属性实体判断文本的情感极性.在真实数据集上的实验结果表明,与CRF、TD-LSTM、AE-LSTM等模型相比,该模型情感分类效果提升明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
3	蔡瑞初	广东工业大学计算机学院	66	279	10.0	13.0
4	温雯	广东工业大学计算机学院	48	272	10.0	14.0
7	黄浩	广东工业大学计算机学院	4	26	3.0	4.0