基于双向循环神经网络的评价对象抽取研究.pdf

第 7 卷 第 1 期 智 能计 算 机 与 应 用 Vol.7 No.1 2017 年 2 月 Intelligent Computer and Applications Feb.2017 基于双向循环神经网络的评价对象抽取研究 陈 鹏 ，徐 冰 ，杨沐昀，李 生 ( 哈尔滨工业大学计算机科学与技术学院，哈尔滨 150001 摘 要 ：评价对象抽取的研究难点在于如何精确地表示大范围的上下文信息。本文针对微博观点句,采用了基于双向循环神经网 络（BRWW 的方法来抽取评价对象并对评价对象的情感倾向进行判定。 的隐藏层对上下文进行了抽象，如果经过良好地训 练，就能在循环处理句子时有效地表示远距离的有序上下文信息，而无需对上下文窗口长度进行限定。本文选择了词、词性、依存 句法树以及产品词典等特征构建了 模型。通过实验发现，上述4 种特征组合获得了最优实验结果，通过与C R F 模型的对 比, 本文提出的方法在相互覆盖模式下F 值比C R F 模型高出0.61% ,验证了本文方法的有效性。本文方法在COAE2015任务3 的 资源受限评测任务中，获得了最好结果。 关键词 ：情感分析；评价对象抽取；双向循环神经网络模型；条件随机场模型 中图分类号：TP391 文献标志码： A 文章编号：2095-2163(2017)01-0071-05 Bidirectional Recurrent Neural Network for opinion target extraction CHEN Peng, XU Bing, YANG Muyun, LI Sheng ( School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) Abstract ： The challenge of opinion target extraction is how to represent wide-range context accurately . The paper focused on opinion sentences from microblog and employed a method based on Bidirectional Recurrent Neural Network ( BRNN ) to extract opinion targets and judge their emotion tendency . The hidden layer of BRNN can abstract context . If the model is trained well , it can represent wide - range , ordered context effectively without the limitation of the length of the context window . The paper chooses the word , the part of speech , the dependency parsing and the product dictionary as features to build the BRNN model . The results of experiment show that the combination of four features mentioned above achieves the best performance. Compared with CRF mod