摘要
评价对象抽取是对象级情感分析的关键任务之一,评价对象抽取结果会直接影响对象级情感分类的准确率在评价对象抽取任务中,借助手工特征加强模型性能的方式既消耗时间又耗费人力s对数据规模小、特征信息不充分等问题,提出一种基于交互特征表示的评价对象抽取模型(aspect extraction model based on interactive feature representation,AEMIFR)相比其他模型,AEMIFR模型结合字符级嵌入与单词嵌入,捕获单词的语义特征、字符的形态特征以及字符与词语之间的内在联系.而且,AEMIFR模型获取文本的局部特征表示和上下文依赖特征表示,并学习2种特征表示之间的交互关系,增强2种特征之间的相似特征的重要性,减少无用特征对模型的消极影响,以及学习更高质量的特征表示最后在SemEval 2014 ,SemEval 2015 ,SemEval 2016中的数据集L-14 ,R-14 ,R-15,R-16上进行实验,取得具有竞争力的效果.
NETL
NSTL
维普
万方数据