-
题名融合方面语义和网格标记的多语言意见元组抽取
- 1
-
-
作者
古文霞
早克热·卡德尔
杨乾
艾山·吾买尔
-
机构
新疆大学信息科学与工程学院
新疆多语种信息技术重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2024年第4期324-333,共10页
-
基金
基于深度学习的新疆旅游情感分析技术研究项目(2021D01C081)。
-
文摘
面向方面的细粒度意见抽取(Aspect-oriented Fine-grained Opinion Extraction,AFOE)任务的目的是以意见对的形式抽取文本评论中的方面和意见词或者再抽取情感极性,形成意见三元组。以往的研究通常以管道方式抽取意见元素,容易出现错误传播的问题,而且大多数只关注方面词和意见词的单个子任务抽取,忽略了不同意见元素之间的相互影响和指示信息,导致意见挖掘任务不完整。此外,面向中文的意见元素抽取任务的研究较少。针对以上问题,文中提出了融合方面语义和网格标记的多语言意见元组抽取模型。首先,使用向内LSTM(Inward-LSTM)和向外LSTM(Outward-LSTM)编码方面词及其对应的上下文信息建立方面和候选意见词的关联,再结合全局信息生成特定方面语义特征的上下文表示,有利于提高下游意见元素抽取的性能。其次,使用网格标记方案的推理策略,利用方面和意见词之间的依赖指示信息进行更准确的抽取,以端到端的方式处理AFOE任务。相比基线模型,对于方面意见对抽取任务,改进的模型在中英文数据集上的F1值提高了0.89%~4.11%,对于三元组抽取任务提高了1.36%~3.11%,实验结果表明,改进的模型能有效地对中英文评论的意见元素进行抽取,性能显著优于基线模型。
-
关键词
方面意见对抽取
三元组抽取
网格标记方案
方面语义
面向方面的细粒度意见抽取
-
Keywords
Aspect-opinion pair extraction
Triplet extraction
Grid tagging scheme
Aspect semantics
Aspect-oriented fine-grained opinion extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名多特征交互的方面情感三元组提取
- 2
-
-
作者
陈林颖
刘建华
郑智雄
林杰
徐戈
孙水华
-
机构
福建理工大学计算机科学与数学学院
福建省大数据挖掘与应用技术重点实验室
闽江学院计算机与控制工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第4期1057-1067,共11页
-
基金
国家自然科学基金(62172095)
福建省自然科学基金(2023J01349)。
-
文摘
方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利用语义信息、词性信息以及局部上下文信息。针对上述问题,提出了多特征交互的方面情感三元组提取(MFI-ASTE)模型。首先,该模型通过BERT预训练模型学习句子中的上下文语义特征信息,并使用自注意力机制加强语义特征;其次,使语义特征与所提取到的词性特征交互,二者相互学习,加强词性的组合能力与语义信息;再次,使用多个不同窗口的卷积神经网络提取每个单词的多重局部上下文特征并使用多分门控机制筛选这些多重局部特征;然后,采用双线性层融合提取到的三类外部知识特征;最后,利用双仿射注意力机制预测网格标记并通过特定的解码方案解码三元组。实验结果表明,该模型在四个数据集上的F1值比现有的主流模型分别提升了6.83%、5.60%、0.54%和1.22%。
-
关键词
方面情感三元组提取
自注意力机制
卷积神经网络
网格标记方案
双仿射注意力机制
-
Keywords
aspect sentiment triplet extraction
self-attention mechanism
convolutional neural network
grid tagging
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向方面的自适应跨度特征的细粒度意见元组提取
被引量：1
- 3
-
-
作者
陈林颖
刘建华
孙水华
郑智雄
林鸿辉
林杰
-
机构
福建工程学院计算机科学与数学学院
福建省大数据挖掘与应用技术重点实验室(福建工程学院)
-
出处
《计算机应用》
CSCD
北大核心
2023年第5期1454-1460,共7页
-
基金
国家自然科学基金资助项目(62172095)
福建省自然科学基金资助项目(2019J01061137)
福州市科技创新平台项目(2021‑P‑052)。
-
文摘
面向方面的细粒度意见提取(AFOE)以意见对的形式从评论中提取方面词和意见词,或在此基础上再提取方面词的情感极性形成意见三元组。针对现有研究方法忽略了意见对与上下文相关性的问题,提出一种面向方面的自适应跨度特征的网格标记方案(ASF-GTS)模型。首先,利用BERT(Bidirectional Encode Representation from Transformers)模型获得句子的特征表示;然后,采用自适应跨度特征(ASF)方法加强意见对与局部上下文的联系;其次,通过网格标记方案(GTS)将意见对提取(OPE)转化为统一的网格标记任务;最后,使用特定的解码策略生成对应的意见对或意见三元组。在适用于意见元组提取任务的四个AFOE基准数据集上进行实验,结果表明,与GTS-BERT(Grid Tagging Scheme-BERT)模型相比,所提模型在意见对和意见三元组任务上的F1值分别提高了2.42%~7.30%和2.62%~6.61%。所提模型能够有效保留意见对与上下文的情感联系,更精确地提取意见对及其情感极性。
-
关键词
网格标记方案
方面词
意见词
意见对提取
意见三元组提取
面向方面的细粒度意见提取
-
Keywords
Grid Tagging Scheme(GTS)
aspect term
opinion term
Opinion Pair Extraction(OPE)
Opinion Triplet Extraction(OTE)
Aspect-oriented Fine-grained Opinion Extraction(AFOE)
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
