典型文献
基于深度学习的化妆品舆情事件实体关系抽取技术研究
文献摘要：
互联网的快速发展,使得舆情信息会在短时间内大范围传播.通过构建化妆品相关的知识图谱能够快速有效地发现舆情的焦点内容,有助于相关部门更好地掌握舆情导向,并且很好地支持后期的舆情分析.关系抽取和命名实体识别是构建知识图谱的关键技术.针对化妆品舆情存在的多实体关系问题,文章在BERT预训练模型的基础上构建了BERT-BiLSTM-CRF化妆品舆情实体关系抽取模型.在化妆品舆情数据集上进行了对比实验,实验结果表明:基于BERT-BiL?STM-CRF的化妆品舆情实体关系抽取模型比常用的几种神经网络模型高出2.68%～4.83%,验证了模型的合理性和有效性.
文献关键词：
化妆品舆情;BERT;关系抽取
中图分类号：
作者姓名：
吴迪;刘月恒;孟宏;邱显荣;张青川
作者机构：
太和康美(北京)中医研究院有限公司,北京102445;北京工商大学化学与材料工程学院,北京 100048;北京工商大学电商与物流学院,北京100048
文献出处：
引用格式：
[1]吴迪;刘月恒;孟宏;邱显荣;张青川-.基于深度学习的化妆品舆情事件实体关系抽取技术研究)[J].电脑知识与技术,2022(33):25-27
A类：
化妆品舆情
B类：
舆情事件,实体关系抽取,舆情信息,品相,快速有效,地支,舆情分析,命名实体识别,BERT,预训练模型,BiLSTM,CRF,取模,舆情数据
AB值：
0.145315
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
