基于多特征融合与双向RNN的细粒度意见分析

来源：计算机工程杂志2018年第7期北京时间：

作者：郝志峰,黄浩,蔡瑞初,温雯

单位：1.广东工业大学 计算机学院,广州 510006; 2.佛山科学技术学院,广东 佛山 528000

摘要：文本细粒度意见分析主要有属性抽取和基于属性的情感分类2个任务,现有方法完成上述任务采用条件随机场(CRF)训练属性抽取模型,并运用循环神经网络(RNN)训练基于属性的情感分类模型。但同时完成2个任务则无法找到属性和情感倾向的对应关系。针对该问题,提出利 用双向RNN构建基于序列标注的细粒度意见分析模型。通过融合文本的词向量、词性和依存关系等语言学特征,学习文本的修饰和语义信息,并设计一个时间序列标注模型,同时抽取属性实体判断文本的情感极性。在真实数据集上的实验结果表明,与CRF、TD-LSTM、AE-LSTM 等模型相比,该模型情感分类效果提升明显。

关键词：特征融合,词向量,循环神经网络,属性抽取,细粒度意见分析

基金资助：国家自然科学基金-广东联合基金(U1501254);广东省自然科学基金(2014A030306004,2014A030308008);广东省科技计划项目(2015B010108006,2015B010131015);广东特支计划项目(2015TQ01X140);广州市珠江科技新星专项(201610010101);广州市科技计划项目 (201604016075)。