摘要: 针对细粒度情感分析属性分类准确率低的问题,提出了一种融合句法依存关系和基于转换器的双向编码器-注意力机制-双向长短期记忆网络(BERT鄄Att鄄BiLSTM)的属性分类模型。 该模型首先构建基于句法依存关系的目标信息提取层,进行属性-观点对提取;其次,在词嵌入层,使用 BERT 模块实现结合上下文动态特征的词向量预训练;然后,特征提取层,融入 Att 的 BiLSTM 模块进行特征空间降维处理;最后,在分类层,通过激活函数输出属性-观点对的属性类别。 实验结果表明,所提模型的精准度、召回率和 F1 值分别为 85.25% 、72.38% 和 77.06%,均优于其他模型,证明了所提模型的有效性。
中图分类号:
包乾辉 文娟 石淑珍 董萌萍 刘雪. 融合句法依存与 BERT-Att-BiLSTM 的属性分类[J]. 北京邮电大学学报, 2023, 46(4): 123-128.
BAO Qianhui, WEN Juan, SHI Shuzhen, DONG Mengping, LIU Xue. Aspect Category Classification Integrated in Syntactic Dependency and BERT-Att-BiLSTM[J]. Journal of Beijing University of Posts and Telecommunications, 2023, 46(4): 123-128.