

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、評(píng)價(jià)對(duì)象抽取屬于細(xì)粒度的情感分析子任務(wù),其目的是從包含觀點(diǎn)的評(píng)論文本中抽取細(xì)粒度的評(píng)價(jià)對(duì)象。目前評(píng)價(jià)對(duì)象抽取的研究主要集中于無監(jiān)督的方法和有監(jiān)督的淺層模型,基于深層模型的評(píng)價(jià)對(duì)象抽取方法相對(duì)較少。無監(jiān)督的方法和淺層模型能夠表現(xiàn)出良好的性能,但是依賴于人工設(shè)計(jì)的規(guī)則或觀點(diǎn)詞詞典,不僅人工代價(jià)很高而且泛化能力較差。
深度學(xué)習(xí)專注于自動(dòng)發(fā)現(xiàn)從底層特征到高層概念的抽象過程,無需依賴人工的方法構(gòu)造特征。因此,本文提出利用堆疊自動(dòng)編碼器的
2、深層模型來抽取評(píng)價(jià)對(duì)象。該模型僅以詞向量作為輸入特征,不需要人工設(shè)計(jì)抽取規(guī)則和觀點(diǎn)詞詞典。本文的主要研究內(nèi)容包括:
(1)模型構(gòu)建。本文使用的堆疊自動(dòng)編碼器模型以詞向量作為輸入,自動(dòng)編碼器作為隱藏層,Softmax回歸模型作為輸出層。模型的訓(xùn)練分為無監(jiān)督的預(yù)訓(xùn)練和有監(jiān)督的參數(shù)調(diào)優(yōu)。
(2)模型改進(jìn)。本文利用貪婪算法對(duì)堆疊自動(dòng)編碼器模型進(jìn)行改進(jìn)。原始的堆疊降噪自動(dòng)編碼器模型是用于分類任務(wù)的模型,本文將評(píng)價(jià)對(duì)象抽取任務(wù)看
3、作序列標(biāo)記任務(wù)。因此利用貪婪算法對(duì)模型進(jìn)行改進(jìn),使原本用于分類任務(wù)的模型適用于序列標(biāo)記任務(wù)。
(3)模型選擇。本文設(shè)置多組實(shí)驗(yàn),對(duì)比模型的深度、文本窗口大小等參數(shù)和防止模型過擬合的方法對(duì)模型性能的影響。防止模型過擬合的方法包括L2權(quán)重懲罰、稀疏自動(dòng)編碼器、降噪自動(dòng)編碼器和Dropout方法。
實(shí)驗(yàn)結(jié)果驗(yàn)證了本文所提方法的有效性。本文在SemEval-2014的兩個(gè)數(shù)據(jù)集(Laptop和Restaurant)上,與該評(píng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 評(píng)價(jià)對(duì)象抽取研究.pdf
- 基于條件隨機(jī)場(chǎng)的評(píng)價(jià)對(duì)象抽取.pdf
- 基于深度學(xué)習(xí)的屬性抽取技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的跨語言信息抽取研究.pdf
- 基于LDA主題模型的評(píng)價(jià)對(duì)象抽取研究.pdf
- 基于語義特征的微博評(píng)價(jià)對(duì)象抽取.pdf
- 基于深度學(xué)習(xí)的生物醫(yī)學(xué)事件抽取研究.pdf
- 基于深度學(xué)習(xí)的Web信息抽取研究與實(shí)現(xiàn).pdf
- 基于半監(jiān)督和深度學(xué)習(xí)的生物實(shí)體關(guān)系抽取.pdf
- 基于深度學(xué)習(xí)的短文本分類及信息抽取研究.pdf
- 基于詞表示和深度學(xué)習(xí)的生物醫(yī)學(xué)關(guān)系抽取.pdf
- 基于評(píng)價(jià)對(duì)象抽取的影視劇評(píng)論聚類研究
- 基于深度學(xué)習(xí)和渲染數(shù)據(jù)的目標(biāo)對(duì)象摳取.pdf
- 中文評(píng)價(jià)對(duì)象抽取中省略現(xiàn)象研究.pdf
- 評(píng)價(jià)對(duì)象抽取關(guān)鍵技術(shù)研究.pdf
- 觀點(diǎn)挖掘中評(píng)價(jià)對(duì)象抽取方法的研究.pdf
- 基于深度學(xué)習(xí)的圖像美學(xué)質(zhì)量評(píng)價(jià).pdf
- 中文評(píng)論短文本的評(píng)價(jià)對(duì)象抽取研究.pdf
- 基于評(píng)價(jià)對(duì)象抽取的影視劇評(píng)論聚類研究_5046.pdf
- 基于標(biāo)題與正文的文本分類和評(píng)價(jià)對(duì)象抽取方法研究.pdf
評(píng)論
0/150
提交評(píng)論