4 个月前

双嵌入和基于CNN的序列标注用于方面提取

双嵌入和基于CNN的序列标注用于方面提取

摘要

细粒度产品评论情感分析的一项关键任务是从用户表达的意见中提取产品方面或特征。本文专注于使用深度学习进行监督方面的提取。与其它复杂的监督深度学习模型不同,本文提出了一种新颖且简单的卷积神经网络(CNN)模型,该模型利用两种预训练嵌入进行方面提取:通用嵌入和领域特定嵌入。在不使用任何额外监督的情况下,该模型取得了令人惊讶的良好结果,优于现有的复杂方法。据我们所知,这是首次报告基于双嵌入的CNN模型用于方面提取并取得非常优异的结果。

代码仓库

madehong/Seq2Seq4ATE
pytorch
GitHub 中提及

基准测试

基准方法指标
aspect-extraction-on-semeval-2014-task-4-sub-1DE-CNN
Restaurant (F1): 85.20
aspect-extraction-on-semeval-2014-task-4-sub-2DE-CNN
Laptop (F1): 81.59
aspect-extraction-on-semeval-2015-task-12-1DE-CNN
Restaurant (F1): 68.28
aspect-extraction-on-semeval-2016-task-5-subDE-CNN
Restaurant (F1): 74.37

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
双嵌入和基于CNN的序列标注用于方面提取 | 论文 | HyperAI超神经