KENAOTE:一种知识增强的方面和意见对提取多任务学习模型 |
| |
引用本文: | 李阳,唐积强,朱俊武,梁明轩,高翔.KENAOTE:一种知识增强的方面和意见对提取多任务学习模型[J].计算机应用研究,2023,40(2). |
| |
作者姓名: | 李阳 唐积强 朱俊武 梁明轩 高翔 |
| |
作者单位: | 扬州大学,国家计算机网络应急技术处理协调中心,扬州大学,扬州大学,扬州大学 |
| |
基金项目: | 国家“242信息安全”计划资助项目(2021A008);北京市科技新星计划交叉学科合作课题(Z191100001119014);国家重点研发计划重点专项资助项目(2017YFC1700300,2017YFB1002300);国家自然科学基金资助项目(61702234);江苏省(扬州大学)研究生科研与实践创新计划资助项目(SJCX21_1551) |
| |
摘 要: | 方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。
|
关 键 词: | 知识增强 深度学习 方面级情感分析 方面和意见对提取 联合训练 |
收稿时间: | 2022/7/22 0:00:00 |
修稿时间: | 2023/1/12 0:00:00 |
KENAOTE: multi-task learning model for knowledge augmented aspect and opinion pair extraction |
| |
Affiliation: | Yangzhou University,,,, |
| |
Abstract: | |
| |
Keywords: | knowledge augmentation deep learning aspect-based sentiment analysis aspect and opinion pair extraction joint training |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|