新材料、新技術、新工藝的應用使得新屬性廣泛存在于新上市的產(chǎn)品中�，F(xiàn)有的產(chǎn)品屬性抽取方法通常只關注評價對象的主要屬性抽取,未對新屬性識別展開深入研究,從而影響以屬性抽取為研究基礎的相關研究的實驗結論。針對該情況,本研究將產(chǎn)品新屬性識別轉化為分類任務,分別將分類模型、條件隨機場(CRF)、雙向長短期記憶網(wǎng)絡與條件隨機場結合的深度學習模型(Bi-LSTM-CRF)應用到該任務中。對實驗結果進行分析,確定使用CRF模型獲取候選新屬性;隨后,使用四種強約束規(guī)則過濾噪音,優(yōu)化模型識別結果;最后,為增強所識別新屬性的可解釋性,基于層次聚類的思想對新屬性和種子屬性進行聚類,以種子屬性解釋新屬性。實驗結果表明本研究所提出的產(chǎn)品新屬性識別方案能夠對產(chǎn)品屬性進行有效擴充。

【文章頁數(shù)】：14 頁

【文章目錄】：
1 引言
2 相關工作概述
3 產(chǎn)品新屬性識別的基本思路與方法
    3.1 研究思路簡介
    3.2 關鍵方法介紹
        3.2.1 訓練語料構建
        3.2.2 分類模型簡介
        3.2.3 條件隨機場（CRF）與Bi-LSTM-CRF模型簡介
        3.2.4 產(chǎn)品屬性聚類方法（1）聚類方法介紹
4 實驗與結果分析
    4.1 實驗數(shù)據(jù)概述
    4.2 模型性能評估方法
    4.3 新屬性識別結果分析
    4.4 CRF識別結果優(yōu)化
    4.5 候選新屬性聚類



本文編號：3864350