• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于交互特征表示的评价对象抽取模型

曾碧卿, 曾锋, 韩旭丽, 商齐

曾碧卿, 曾锋, 韩旭丽, 商齐. 基于交互特征表示的评价对象抽取模型[J]. 计算机研究与发展, 2021, 58(1): 224-232. DOI: 10.7544/issn1000-1239.2021.20190305
引用本文: 曾碧卿, 曾锋, 韩旭丽, 商齐. 基于交互特征表示的评价对象抽取模型[J]. 计算机研究与发展, 2021, 58(1): 224-232. DOI: 10.7544/issn1000-1239.2021.20190305
Zeng Biqing, Zeng Feng, Han Xuli, Shang Qi. Aspect Extraction Model Based on Interactive Feature Representation[J]. Journal of Computer Research and Development, 2021, 58(1): 224-232. DOI: 10.7544/issn1000-1239.2021.20190305
Citation: Zeng Biqing, Zeng Feng, Han Xuli, Shang Qi. Aspect Extraction Model Based on Interactive Feature Representation[J]. Journal of Computer Research and Development, 2021, 58(1): 224-232. DOI: 10.7544/issn1000-1239.2021.20190305
曾碧卿, 曾锋, 韩旭丽, 商齐. 基于交互特征表示的评价对象抽取模型[J]. 计算机研究与发展, 2021, 58(1): 224-232. CSTR: 32373.14.issn1000-1239.2021.20190305
引用本文: 曾碧卿, 曾锋, 韩旭丽, 商齐. 基于交互特征表示的评价对象抽取模型[J]. 计算机研究与发展, 2021, 58(1): 224-232. CSTR: 32373.14.issn1000-1239.2021.20190305
Zeng Biqing, Zeng Feng, Han Xuli, Shang Qi. Aspect Extraction Model Based on Interactive Feature Representation[J]. Journal of Computer Research and Development, 2021, 58(1): 224-232. CSTR: 32373.14.issn1000-1239.2021.20190305
Citation: Zeng Biqing, Zeng Feng, Han Xuli, Shang Qi. Aspect Extraction Model Based on Interactive Feature Representation[J]. Journal of Computer Research and Development, 2021, 58(1): 224-232. CSTR: 32373.14.issn1000-1239.2021.20190305

基于交互特征表示的评价对象抽取模型

基金项目: 国家自然科学基金项目(61772211,61503143)
详细信息
  • 中图分类号: TP391

Aspect Extraction Model Based on Interactive Feature Representation

Funds: This work was supported by the National Natural Science Foundation of China (61772211, 61503143).
  • 摘要: 评价对象抽取是对象级情感分析的关键任务之一,评价对象抽取结果会直接影响对象级情感分类的准确率.在评价对象抽取任务中,借助手工特征加强模型性能的方式既消耗时间又耗费人力.针对数据规模小、特征信息不充分等问题,提出一种基于交互特征表示的评价对象抽取模型(aspect extraction model based on interactive feature representation, AEMIFR).相比其他模型,AEMIFR模型结合字符级嵌入与单词嵌入,捕获单词的语义特征、字符的形态特征以及字符与词语之间的内在联系.而且,AEMIFR模型获取文本的局部特征表示和上下文依赖特征表示,并学习2种特征表示之间的交互关系,增强2种特征之间的相似特征的重要性,减少无用特征对模型的消极影响,以及学习更高质量的特征表示.最后在SemEval 2014,SemEval 2015,SemEval 2016中的数据集L-14,R-14,R-15,R-16上进行实验,取得具有竞争力的效果.
    Abstract: Aspect extraction is one of the key tasks in aspect level sentiment analysis, whose result will directly affect the accuracy of aspect level sentiment classification. In aspect extraction task, it is both time and labor consuming to enhance the performance of the model by handcraft features. Aiming at resolving the problems of insufficient data scale, insufficient feature information, etc., aspect extraction model based on interactive feature representation (AEMIFR) is proposed. Compared with other models, AEMIFR combines character level embedding and word embedding to capture the semantic features of words, the morphological features of characters and the internal relationship between characters and words. Furthermore, AEMIFR obtains the local feature representation and context-dependent feature representation of text, learns the interaction between the two feature representations, enhances the importance of similar features between the two feature representations, reduces the negative impact of useless features on the model, and learns higher quality feature representations. Finally experiments are conducted on the data sets L-14, R-14, R-15 and R-16 in SimEval 2014, SemEval 2015 and SemEval 2016, and the competitive effect is achieved.
  • 期刊类型引用(27)

    1. 顾敏,徐雅男,王辛迪,花敏,周雯. 多用户MIMO-MEC网络中基于APSO的任务卸载研究. 无线电工程. 2024(03): 711-718 . 百度学术
    2. 王斐然,郭昕阳,张峰. 基于边缘计算的输电线路巡检设备协同调配研究. 自动化仪表. 2024(05): 123-126 . 百度学术
    3. 史晓蒙,吕晓鹏,魏健康,王凌. 基于算法组合的端边云任务处理方法. 价值工程. 2024(36): 108-112 . 百度学术
    4. 向朝参,程文辉,张昭,焦贤龙,屈毓锛,陈超,戴海鹏. 基于边缘智能计算的城市交通感知数据自适应恢复. 计算机研究与发展. 2023(03): 619-634 . 本站查看
    5. 邵梁,何星舟,尚俊娜. 边缘计算中利用改进型遗传算法的任务卸载策略. 计算机应用与软件. 2023(11): 48-57 . 百度学术
    6. 高仕斌,刘帝洋,韦晓广,康高强,罗嘉明,雷杰宇. 基于数字孪生网络的牵引供电智能运维体系与应用架构. 铁道学报. 2023(12): 1-15 . 百度学术
    7. 张彦虎,鄢丽娟,马志愤,张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法. 计算机与现代化. 2022(05): 54-60+67 . 百度学术
    8. 刘春林,秦进. 面向5G网络的移动边缘计算节点部署算法设计. 计算机仿真. 2022(12): 436-439+473 . 百度学术
    9. 张开强,蒋从锋,程小兰,贾刚勇,张纪林,万健. 多分辨率下资源感知的图像目标自适应缩放检测. 计算机科学. 2021(04): 180-186 . 百度学术
    10. 乐光学,陈光鲁,卢敏,杨晓慧,刘建华,黄淳岚,杨忠明. 一种基于K-shell影响力最大化的路径择优计算迁移算法. 计算机研究与发展. 2021(09): 2025-2039 . 本站查看
    11. 苏命峰,王国军,李仁发. 边云协同计算中基于预测的资源部署与任务调度优化. 计算机研究与发展. 2021(11): 2558-2570 . 本站查看
    12. 贾觐,暴占彪. 改进GA的边缘计算任务卸载与资源分配策略. 计算机工程与设计. 2021(11): 3009-3017 . 百度学术
    13. 汪小威,林宁,胡玉平. 移动边缘计算中利用BPSO的任务卸载策略. 计算机工程与设计. 2021(12): 3333-3341 . 百度学术
    14. 尹高,石远明. 移动边缘网络中深度学习任务卸载方案. 重庆邮电大学学报(自然科学版). 2020(01): 38-46 . 百度学术
    15. 丁雪乾,薛建彬. 边缘计算下基于Lyapunov优化的系统资源分配策略. 微电子学与计算机. 2020(02): 63-68 . 百度学术
    16. 白昱阳,黄彦浩,陈思远,张俊,李柏青,王飞跃. 云边智能:电力系统运行控制的边缘计算方法及其应用现状与展望. 自动化学报. 2020(03): 397-410 . 百度学术
    17. 乐光学,戴亚盛,杨晓慧,刘建华,游真旭,朱友康. 边缘计算可信协同服务策略建模. 计算机研究与发展. 2020(05): 1080-1102 . 本站查看
    18. 盛津芳,滕潇雨,李伟民,王斌. 移动边缘计算中基于改进拍卖模型的计算卸载策略. 计算机应用研究. 2020(06): 1688-1692 . 百度学术
    19. 胡锦天,王高才,徐晓桐. 移动边缘计算中具有能耗优化的任务迁移策略. 计算机科学. 2020(06): 260-265 . 百度学术
    20. 周振宇,陈亚鹏,潘超,赵雄文,张磊,汪中原. 面向智能电力巡检的高可靠低时延移动边缘计算技术. 高电压技术. 2020(06): 1895-1902 . 百度学术
    21. 吕洁娜,张家波,张祖凡,甘臣权. 移动边缘计算卸载策略综述. 小型微型计算机系统. 2020(09): 1866-1877 . 百度学术
    22. 张伟. 边缘计算的任务迁移机制研究. 软件导刊. 2020(09): 48-53 . 百度学术
    23. 路亚. MEC多服务器启发式联合任务卸载和资源分配策略. 计算机应用与软件. 2020(10): 77-84 . 百度学术
    24. 方加娟,李凯. 基于边缘云和移动辅助设备的计算卸载优化方案. 计算机应用与软件. 2020(12): 6-12 . 百度学术
    25. 危泽华,曾玲玲. 基于Stackelberg博弈论的边缘计算卸载决策方法. 数学的实践与认识. 2019(11): 91-100 . 百度学术
    26. 居晓琴. 移动边缘计算的QoE视频缓存方法. 电脑与信息技术. 2019(05): 44-47 . 百度学术
    27. 乐光学,戴亚盛,杨晓慧,朱友康,游真旭,刘建生. 边缘计算多约束可信协同任务迁移策略. 电信科学. 2019(11): 36-50 . 百度学术

    其他类型引用(65)

计量
  • 文章访问数:  684
  • HTML全文浏览量:  3
  • PDF下载量:  285
  • 被引次数: 92
出版历程
  • 发布日期:  2020-12-31

目录

    /

    返回文章
    返回