典型文献
基于BERT的端到端方面级情感分析
文献摘要：
方面词提取和情感分类是方面级情感分析的两个子任务.传统的方法是将这两个任务以流水线方式进行,这种流水线式工作模式会导致错误的累积而且无法利用两个任务之间的联合信息.传统模型大都使用了Word2vec、GloVe等词向量,无法捕获语义的上下文相关性.为此设计了一种同时包含方面词位置信息与情感极性的标签,将方面级情感分析转化为序列标注问题.利用预训练语言模型BERT自动学习带有上下文信息的特征表示,再通过多种分类器输出预测结果并进行对比.在SemEval-2014 Task4数据集上,本研究模型F1比传统流水线模型高8.07％,比现存最先进的联合模型高5.63％.
文献关键词：
方面级情感分析;端到端;深度学习
中图分类号：
作者姓名：
曾凡旭;李旭;姚春龙;范丰龙
作者机构：
大连工业大学 信息科学与工程学院,辽宁 大连 116034;大连工业大学 工程训练中心,辽宁 大连 116034
文献出处：
引用格式：
[1]曾凡旭;李旭;姚春龙;范丰龙-.基于BERT的端到端方面级情感分析)[J].大连工业大学学报,2022(03):228-234
A类：
B类：
BERT,端到端,端方,方面级情感分析,方面词提取,情感分类,子任务,流水线,法利,传统模型,Word2vec,GloVe,词向量,位置信息,情感极性,序列标注,预训练语言模型,自动学习,上下文信息,特征表示,分类器,输出预测,SemEval,Task4,研究模型,线模,最先,联合模型
AB值：
0.42362
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。
