基于深度学习的隐性评价对象识别方法

来源：计算机工程杂志2019年第8期北京时间：

作者：王仁武, 张文慧

单位：华东师范大学 经济与管理学部 信息管理系, 上海 200241

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。

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

基金资助：国家社会科学基金基于数据驱动的图书馆资源发现系统平台研究（16BTQ026）。