使用深度长短时记忆模型对于评价词和评价对象的联合抽取  

Joint Extraction of Opinion Targets and Opinion Words Based on LSTM

作　　者：沈亚田 黄萱菁[1] 曹均阔[2] SHEN Yatian;HUANG Xuanjing;CAO Junkuo(School of Computer Science and Technolgy,Fudan University ,Shanghai, 201203, China;School of Information Science and Technology, Hainan Normal University, Haikou, Hainan 570100,Chin)

机构地区：[1]复旦大学计算机科学技术学院,上海201203 [2]海南师范大学信息科学技术学院,海南海口570100

出　　处：《中文信息学报》2018年第2期110-119,共10页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61363032);海南省重大科技计划项目(ZDKJ2017012)

摘　　要：评价词和评价对象抽取在意见挖掘中是一个重要的任务,我们在句子级评价词和评价对象联合抽取任务上研究了长短时记忆(long short-term memory)神经网络模型的几种变种应用。长短时记忆神经网络模型是一种循环神经网络模型,该模型使用长短时记忆模型单元作为循环神经网络的记忆单元,它能够获得更多的长距离上下文信息,同时避免了普通循环神经网络的梯度消失和梯度爆炸的问题。我们对比了传统的方法,实验结果证明长短时记忆神经网络模型优于以前的方法,在细粒度评价词和评价对象的联合抽取中达到更好的性能。To deal with opinion word and opinion target extraction,we explore several variants of long short-term memory recurrent neural networks for joint extraction of them at sentence-level.We also compare our models with previous classical approaches.The results of the experiments show that long short-term memory recurrent neural networks outperform previous baselines,achieving new state-of-the-art results for joint extraction of fine-grained opinion words and opinion targets.

关 键 词：循环神经网络 长短时记忆模型 评价词与评价对象联合抽取 深度学习 序列标注 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]