利用历史抽取结果的有监督意见方面抽取
计算与语言
2016-12-26 v1 机器学习
摘要
产品评论情感分析的关键任务之一是抽取用户表达意见的产品方面或特征。在本工作中，我们聚焦于使用有监督序列标注作为执行该任务的基础方法。尽管已有若干使用条件随机场（CRF）和隐马尔可夫模型（HMM）等序列标注方法的抽取方法被提出，我们表明，通过利用跨多个领域的概念共享思想，可以显著改进这一有监督方法。例如，“屏幕”是 iPhone 的一个方面，但不仅 iPhone 有屏幕，许多电子设备也有屏幕。当“屏幕”出现在新领域（或产品）的评论中时，它很可能也是一个方面。获知这一信息使我们能够在新领域中进行更好的抽取。本文提出了一种在监督序列标注背景下利用该思想的新型抽取方法。实验结果表明，与不使用历史信息相比，该方法产生了显著更好的结果。
引用
@article{arxiv.1612.07940,
title = {Supervised Opinion Aspect Extraction by Exploiting Past Extraction Results},
author = {Lei Shu and Bing Liu and Hu Xu and Annice Kim},
journal= {arXiv preprint arXiv:1612.07940},
year = {2016}
}
备注
10 pages