基于双向循环神经网络的评价对象抽取研究

陈鹏　徐冰　杨沐昀　李生

摘 要：评价对象抽取的研究难点在于如何精确地表示大范围的上下文信息。本文针对微博观点句，采用了基于双向循环神经网络（BRNN）的方法来抽取评价对象并对评价对象的情感倾向进行判定。BRNN的隐藏层对上下文进行了抽象，如果經过良好地训练，它能在循环处理句子时有效地表示远距离的有序上下文信息，而无需对上下文窗口长度进行限定。本文选择了词、词性、依存句法树以及产品词典等特征构建了BRNN模型。通过实验发现，上述四种特征组合获得了最优实验结果，通过与CRF模型的对比，本文提出的方法在相互覆盖模式下F值比CRF模型高出0.61%，验证了本文方法的有效性。本文方法在COAE2015任务3的资源受限评测任务中，获得了最好结果。

关键词：情感分析；评价对象抽取；双向循环神经网络模型；条件随机场模型

中图分类号：TP391