基于Tree LSTM+CRF的属性级观点挖掘

赵华, 邹若飞

PDF(1621 KB)
PDF(1621 KB)
山东科技大学学报(自然科学版) ›› 2020, Vol. 39 ›› Issue (06) : 115-122. DOI: 10.16452/j.cnki.sdkjzk.2020.06.015

基于Tree LSTM+CRF的属性级观点挖掘

  • 赵华, 邹若飞
作者信息 +
History +

摘要

评价对象与观点内容的提取是观点挖掘中非常重要的任务。本研究提出了一个树结构长短期记忆网络(Tree LSTM)结合条件随机场(CRF)的联合模型抽取评价对象和观点内容。首先对评论句进行依存句法分析,根据句子的依存分析树构建Tree LSTM,并设计树结构下LSTM单元的计算方法;接着将Tree LSTM的输出作为CRF的输入进行序列标注,实现评价对象与观点内容的抽取。最后在SemEval Challenge 2014任务4的数据集上对模型性能进行了验证,评价对象和观点内容抽取结果的平均F1值在餐馆和笔记本电脑领域分别为86.76%、83.22%和79.86%、80.42%,优于现有的评价对象和观点内容抽取方法。实验结果表明,设计的Tree LSTM能很好地学习词语之间的层次关系,同时联合模型有效避免了传统CRF需要构建特征工程的弊端。

关键词

观点挖掘 / 评价对象抽取 / 观点内容抽取 / 树结构长短期记忆网络 / 条件随机场

中图分类号

TP391.1

引用本文

导出引用
赵华, 邹若飞. 基于Tree LSTM+CRF的属性级观点挖掘. 山东科技大学学报(自然科学版). 2020, 39(06): 115-122 https://doi.org/10.16452/j.cnki.sdkjzk.2020.06.015

基金

青岛市哲学社会科学规划研究项目(QDSKL1901124); 教育部人文社会科学研究青年基金项目(16YJCZH154)

评论

PDF(1621 KB)

Accesses

Citation

Detail

段落导航
相关文章

/