越來(lái)越多的人在互聯(lián)網(wǎng)平臺(tái)發(fā)布一些產(chǎn)品的評(píng)論信息,我們稱為用戶生成內(nèi)容（User-Generated Content,UGC）。如何高效地幫助人們識(shí)別有用的信息是目前學(xué)術(shù)界和工業(yè)界越來(lái)越關(guān)注的研究之一。漢語(yǔ)解釋性意見(jiàn)要素識(shí)別就是研究如何精確的識(shí)別出用戶生成內(nèi)容中要素成分的問(wèn)題。漢語(yǔ)解釋性意見(jiàn)要素識(shí)別任務(wù)是指利用自然語(yǔ)言處理技術(shù)準(zhǔn)確的識(shí)別評(píng)論語(yǔ)句中的意見(jiàn)屬性、意見(jiàn)評(píng)論、意見(jiàn)解釋信息。本文根據(jù)中文產(chǎn)品領(lǐng)域評(píng)論的語(yǔ)言特點(diǎn),在構(gòu)建漢語(yǔ)解釋性意見(jiàn)要素識(shí)別的語(yǔ)料庫(kù)基礎(chǔ)上,研究漢語(yǔ)解釋性意見(jiàn)要素識(shí)別問(wèn)題。本文將從以下三個(gè)方面進(jìn)行研究:（1）基于LSTM的解釋性意見(jiàn)要素識(shí)別:基于LSTM的方法可以識(shí)別出屬性、評(píng)論和意見(jiàn)解釋片段,但是沒(méi)有利用標(biāo)簽的相互作用,而CRF框架可以加強(qiáng)當(dāng)前標(biāo)簽對(duì)相鄰下一個(gè)標(biāo)簽的識(shí)別效果。為了提高意見(jiàn)要素識(shí)別預(yù)測(cè)的準(zhǔn)確率,本文運(yùn)用LSTM和CRF框架的結(jié)合。實(shí)驗(yàn)表明,可以有效識(shí)別要素成分。（2）基于預(yù)訓(xùn)練模型的解釋性意見(jiàn)要素識(shí)別:CRF只利用預(yù)測(cè)標(biāo)簽之間的信息,而在中文的評(píng)論語(yǔ)句,字的上下文信息、字在句中的語(yǔ)義信息都可以作為特征。預(yù)訓(xùn)練在很多研究中已經(jīng)得到驗(yàn)證,可以獲取意見(jiàn)要素成分... 

【文章來(lái)源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

整體框架

圖 2-1 解釋性意見(jiàn)要素序列標(biāo)注圖Figure 2-1 Explanatory opinion element sequence labeling diagram基于序列標(biāo)注問(wèn)題對(duì)要素識(shí)別的研究?jī)?nèi)容做出以下假設(shè)：（1） 語(yǔ)料庫(kù)所有的句子都是在線意見(jiàn)評(píng)論句，必須至少包含一種要素成分

圖 2-2 解釋性意見(jiàn)要素識(shí)別流程圖Figure 2-2 Flow chart of the identification of explanatory elements于 LSTM 的解釋性意見(jiàn)要素方法

【參考文獻(xiàn)】：
期刊論文
[1]基于CRF和Bi-LSTM的保險(xiǎn)名稱實(shí)體識(shí)別[J]. 陳彥妤,杜明.  智能計(jì)算機(jī)與應(yīng)用. 2018(03)
[2]基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的車輛多屬性識(shí)別[J]. 王耀瑋,唐倫,劉云龍,陳前斌.  計(jì)算機(jī)工程與應(yīng)用. 2018(08)
[3]特定領(lǐng)域的命名實(shí)體識(shí)別方法的研究[J]. 張磊.  計(jì)算機(jī)與現(xiàn)代化. 2018(03)
[4]深層網(wǎng)絡(luò)中的梯度消失現(xiàn)象[J]. 周祥全,張津.  科技展望. 2017(27)
[5]基于Bi-LSTM的醫(yī)療事件識(shí)別研究[J]. 侯偉濤,姬東鴻.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[6]基于門循環(huán)單元神經(jīng)網(wǎng)絡(luò)的中文分詞法[J]. 李雪蓮,段鴻,許牧.  廈門大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[7]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[8]基于詞向量特征的循環(huán)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型[J]. 張劍,屈丹,李真.  模式識(shí)別與人工智能. 2015(04)
[9]引入反向傳播機(jī)制的概率神經(jīng)網(wǎng)絡(luò)模型[J]. 李永立,吳沖,羅鵬.  系統(tǒng)工程理論與實(shí)踐. 2014(11)
[10]通用領(lǐng)域中文評(píng)論的意見(jiàn)挖掘研究[J]. 張莉,蘇新寧,王東波.  情報(bào)理論與實(shí)踐. 2012(04)

碩士論文
[1]基于LSTM的解釋性意見(jiàn)要素識(shí)別方法研究與實(shí)現(xiàn)[D]. 王夢(mèng)琦.黑龍江大學(xué) 2017
[2]激活函數(shù)導(dǎo)向的RNN算法優(yōu)化[D]. 張堯.浙江大學(xué) 2017



本文編號(hào)：3473700