基于截断历史注意力的商品评论属性词抽取框架

作者

张顺香赵彤朱广丽张镇江孙争艳
单位

安徽理工大学计算机科学与工程学院
摘要

针对传统的属性词抽取模型难以有效抽取隐式属性词，导致属性词抽取不完整的问题，提出了一种基于截断历史注意力机制的商品评论属性词抽取框架THA-BiLSTM-CRF.首先，利用CBOW模型预处理文本，获得包含语义信息的词向量；然后，通过BiLSTM模型抽取文本特征；接着，引入截断历史注意力机制，建立包含属性词和单词间映射关系的词库，获取单词间的隐式关系；最后，通过CRF算法抽取隐式属性词。实验结果表明，该框架可以有效抽取隐式属性词，提高了属性词抽取的完整度。
关键词

商品评论属性词抽取截断历史注意力机制 BiLSTM-CRF
基金项目(Foundation)

国家自然科学基金面上资助项目（62076006）；安徽省自然科学基金面上资助项目（1908085MF189）；安徽高校协同创新资助项目（GXXT-2021-008）；安徽省重点研发计划国际科技合作专项资助（202004611020029）；
文章目录

1 相关工作
1.1 基于统计概率的方法
1.2 基于深度学习的方法
2 基于BiLSTM-CRF的显式属性词抽取
2.1 文本预处理
2.2 BiLSTM-CRF模型介绍
2.2.1 BiLSTM层
2.2.2 CRF层
2.3 显式属性词抽取过程
3 基于THA的隐式属性词抽取
3.1 截断历史注意模块
3.2 二次计算模块
4 实验及结果分析
4.1 实验数据集
4.2 评价指标
4.3 实验环境
4.4 实验方法
1) 实验数据获取。
2) 实验数据预处理。
3) 抽取显式属性词和其对应的观点词。
4) 抽取隐式属性词。
5) 设计本模型与其他模型的对比实验。
4.5 实验结果
4.5.1 隐式属性词抽取结果举例
4.5.2 模型性能对比
5 总结
引用格式

张顺香,赵彤,朱广丽,张镇江,孙争艳.基于截断历史注意力的商品评论属性词抽取框架[J].太原理工大学学报,2022,53(02):231-239.DOI:10.16355/j.cnki.issn1007-9432tyut.2022.02.006.