基于深度學習的漢語解釋性意見關(guān)系識別方法研究與實現(xiàn).pdf

1、近年來，以電子商務、網(wǎng)絡媒體為代表的各類互聯(lián)網(wǎng)平臺和應用逐漸普及，海量的用戶生成內(nèi)容(User-Generated Content，UGC)隨之產(chǎn)生。如何從海量的用戶生成內(nèi)容中提取有用的信息成為當今學術(shù)界重要研究課題。意見挖掘系統(tǒng)的產(chǎn)生，為上述問題提供了解決方案?，F(xiàn)有的意見挖掘系統(tǒng)在解釋性意見要素識別、解釋性意見句識別、解釋性意見片段極性分類工作中取得了重大進展，而對解釋性意見要素之間存在的關(guān)系所開展的研究工作卻非常有限。本文面向產(chǎn)品評

2、論，運用深度學習方法，探究在不同的神經(jīng)網(wǎng)絡框架下，解釋性意見關(guān)系識別性能，并根據(jù)實驗結(jié)果進行理論分析，得出相應的結(jié)論。具體可分為以下三個方面:
　　(1)基于CNN(Convolutional Neural Network)的漢語解釋性意見關(guān)系識別:基于CNN框架，采用特征預訓練的方法，探究距離特征以及極性特征對于解釋性意見關(guān)系識別的影響。實驗結(jié)果表明，距離特征以及極性特征的引入對于實驗性能的提升有著重要的作用，距離特征優(yōu)于極性特

3、征。
　　(2)基于LSTM(Long Short-Term Memory)的漢語解釋性意見關(guān)系識別:針對上下文信息以及語義信息對于解釋性意見關(guān)系識別的影響，采用LSTM框架以及Tree-LSTM(Tree-Structured Long Short-Term Memory)框架分別進行了解釋性意見關(guān)系識別實驗。實驗表明:在手機領(lǐng)域中，LSTM性能優(yōu)于Tree-LSTM。在酒店領(lǐng)域中，Tree-LSTM性能優(yōu)于LSTM。
　

4、　(3)基于Attention的漢語解釋性意見關(guān)系識別:為了進一步探究不同框架對于漢語解釋性意見關(guān)系識別的影響，引入Attention框架，同時把Attention框架與CNN框架以及LSTM框架相結(jié)合，進行了Attention、CNN-Attention和LSTM-Attention框架下的漢語解釋性意見關(guān)系識別實驗。實驗結(jié)果表明，LSTM-Attention框架優(yōu)于Attention框架，Attention框架優(yōu)于CNN-Atten