文档名：基于双向LSTM与CRF融合模型的否定聚焦点识别
否定表达作为自然语言文本中常见的语言现象,对自然语言处理上层应用,如情感分析、信息抽取等,具有十分重要的意义.否定聚焦点识别任务是更细粒度的否定语义分析,其旨在识别出句子中被否定词修饰和强调的文本片段.本文将该任务作为序列标注问题,提出了一种基于双向长短期记忆网络结合条件随机场(BiLSTM-CRF)的否定聚焦点识别模型,其中,BiLSTM网络能够充分利用上下文信息并抓取全局特征,CRF层能够有效学习输出标签之间的前后依赖关系.在*SEM2012评测任务数据集上的实验结果表明,基于BiLSTM-CRF的否定聚焦点识别方法的准确率(Accuracy)达到69.58％,与目前最好的系统相比,性能提升了2.44％.
作者：沈龙骧邹博伟叶静周国栋朱巧明
作者单位：苏州大学计算机科学与技术学院,江苏苏州215006
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：否定聚焦点 识别模型 序列标注 双向长短期记忆网络 条件随机场
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.02 MB
- 下载次数:
- 60
-
高速下载
|
|
