基于膠囊特征聚合的評價詞和評價對象抽取

作者：康剛,吳四九,方睿

摘要：為提高傳統門控制單元(GRU)的特征抽取能力,受獨立循環神經網絡(independently recurrent neural network,IndRNN)的啟發,提出獨立門控制單元(independently gate recurrent unit,Ind GRU),實驗結果表明Ind GRU在3個數據集上的特征提取能力優于傳統GRU和長短期記憶網絡(LSTM),證明了Ind GRU的有效性。針對傳統評價詞和評價對象抽取方法不能很好地利用抽象特征之間的關聯關系問題,提出一種基于膠囊特征聚合的評價詞和評價對象抽取模型,模型使用多個雙向Ind GRU并行提取文本上下文信息,構造膠囊特征,使用動態路由算法利用特征間關系實現膠囊特征的聚合,最后使用條件隨機場(CRF)完成序列標注。模型在3個基準數據集上取得了比目前的先進方法較好或相當的效果,證明了模型的有效性。

發文機構：成都信息工程大學計算機學院

關鍵詞：膠囊網絡動態路由算法評價詞評價對象獨立門控制單元序列標注capsule networkdynamic routing algorithmopinion targetsopinion termsIndGRUsequence labeling

分類號： TP391.1[自動化與計算機技術—計算機應用技術]TP183[自動化與計算機技術—計算機科學與技術]