文献类型：期刊文章

作　　者：胡甜甜[1] 但雅波[2] 胡杰[3] 李想[2] 李少波[2]

HU Tiantian;DAN Yabo;HU Jie;LI Xiang;LI Shaobo(School of Computer Science and Technology,Guizhou University,Guiyang Guizhou 550025,China;School of Mechanical Engineering,Guizhou University,Guiyang Guizhou 550025,China;College of Big Data Statistics,Guizhou University of Finance and Economics,Guiyang Guizhou 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院,贵阳550025 [2]贵州大学机械工程学院,贵阳550025 [3]贵州财经大学大数据统计学院,贵阳550025

出　　处：《计算机应用》

基　　金：国家自然科学基金重大研究计划培育项目(91746116)。

年　　份：2020

卷　　号：40

期　　号：7

起止页码：1879-1883

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对搜狐coreEntityEmotion_train语料核心实体识别和核心实体情感分析的任务,提出了基于注意力机制的长短期记忆神经网络结合条件随机场模型(AttBi-LSTM-CRF)。首先,对文本进行预训练,将每个字映射为维度相同的低维向量;然后,把这些向量输入到基于注意力机制的长短期记忆神经网络(AttBi-LSTM)中,以获取长远的上下文信息并集中注意力到与输出标签高度相关的信息上;最后,通过条件随机场(CRF)层获取整个序列的最优标签。将AttBi-LSTM-CRF模型与双向长短记忆神经网络(Bi-LSTM)、AttBi-LSTM和双向长短期记忆神经网络结合条件随机场(Bi-LSTM-CRF)模型进行对比实验。实验结果表明,AttBi-LSTM-CRF模型的准确率达到0.786,召回率达到0.756,F1值达到0.771,优于对比模型,验证了AttBi-LSTM-CRF性能的优越性。

关 键 词：核心实体识别  情感分类 条件随机场 注意力机制  双向长短期记忆神经网络  

分 类 号：TP391.1]