资料下载
×
基于深度学习的自动识别评价对象方法
消耗积分:0 |
格式:pdf |
大小:0.96 MB |
2021-06-10
分享资料个
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， BIL STM+CRF模型和 BIRU+CRF模型的识别效果较好， BIRU+CRF模型的F1值最高可达0.84。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
