摘要
为解决课程评论中隐式评价对象识别问题,提出了一种基于文本分类的隐式评价对象的识别方法。首先通过word2vec模型获得训练文本对应的词向量,获得短文本特征;其次将短文本特征在Text CNN中进一步提取高层次特征,通过K-max池化操作后放入Softmax分类器中进行训练得出分类模型;最后利用训练好的分类器对隐式评价句进行分类,获取隐式评价句对应的评价对象。实验表明,基于卷积神经网络对隐式课程评论进行属性分类,课程评论的隐式评价对象识别正确率达到89. 9%,满足了课程评论中对隐式评价句对象识别的需求。
学科与关键词
关键词
隐式评价对象卷积神经网络文档分类词向量 implicit opinion targetsconvolutional neural networktext classificationword embedding
- 基于层叠CRFs的中文句子评价对象抽取郑敏洁; 雷志城; 廖祥文; 陈国龙中文信息学报, 2013, (03): 69-76.
- 结合领域知识的中文句子评价对象抽取雷志城; 廖祥文福州大学学报(自然科学版), 2013, (03): 297-304.
- 改进CNN的多通道语义合成情感分类模型研究邱宁佳; 周思丞; 丛琳; 王鹏; 李岩芳计算机工程与应用, 2019, (23): 136-141.
