基于词与字符嵌入及(Bi)LSTM与CRF的方面检测
计算与语言
2019-09-04 v1
摘要
我们提出了一种利用词级与字符级嵌入的新颖准确方面抽取方法。我们使用 LSTM 与 BiLSTM（含 CRF 增强）的多种方面抽取模型进行了实验，这些模型基于五种不同预训练词嵌入并扩展以字符嵌入。结果表明 BiLSTM 优于常规 LSTM，且训练与测试集中的词嵌入覆盖度深刻影响了方面检测性能。此外，额外的 CRF 层在不同模型与文本嵌入上一致地提升了结果。综上，我们在 SemEval Restaurants（85%）与 Laptops（80%）上取得了最先进的 F-score 结果。
引用
@article{arxiv.1909.01276,
title = {Aspect Detection using Word and Char Embeddings with (Bi)LSTM and CRF},
author = {Łukasz Augustyniak and Tomasz Kajdanowicz and Przemysław Kazienko},
journal= {arXiv preprint arXiv:1909.01276},
year = {2019}
}
备注
IEEE AIKE