基于深度学习的隐性评价对象识别方法

• 作者: 张文慧 王仁武
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 隐性评价对象 隐性特征 深度学习 循环神经网络 条件随机场 命名实体识别
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 315-320
• 页数: 6页
• 分类号: TP18
• 字数: 6212字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051831

摘要

在线评论文本具有口语化的特点,其评价词缺少对应的评价对象,影响了细粒度情感分析的效果.为此,提出一种利用深度学习自动识别评价对象的方法.设计研究领域的文本序列标注规范,在对评论语料分词后,进行评价词与评价对象的命名实体标注,得到单词序列、词性序列和标注序列.将单词序列、词性序列转为神经网络语言模型的词向量,并用循环神经网络进行训练,采用条件随机场(CRF)输出评价对象标签,得到缺失的评价对象.实验结果表明,与单一CRF模型相比,BiLSTM+ CRF模型和BiGRU+ CRF模型的识别效果较好,BiGRU+ CRF模型的F1值最高可达0.84.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王仁武	华东师范大学经济与管理学部信息管理系	27	219	10.0	13.0
2	张文慧	华东师范大学经济与管理学部信息管理系	3	8	2.0	2.0