空包网站制作

空包网排名:评价特征识别方面

2020/1/7      来源: 空包网
空包网排名:评价特征识别方面
  空包网排名:评价特征的识别也可以称为评价对象的识别。刘鸿宇等(2010)使用句法分 析结果获取候选评价对象,同时结合基于网络挖掘的PMI算法和名词剪枝算法对 候选评价对象进行筛选[40]。Wang等(2014)提出了两种用于产品方面提取的新型 半监督模型,即细粒度标记的FL-LDA和统一细粒度标记UFL-LDA[41】。空包网排名:Quan等 (2014)提出了一种无监督产品特征提取方法,通过测量域向量的相似度距离, 提取域特征,基于特征语料库和比较域语料库之间的关联值,推导出域向量,并 引入一种新的术语相似度测度(PMI-TFIDF)来评价候选特征和域实体之间的关联 [42]eXu等(2015)扩展了一种流行的主题建模方法,即潜在的Dirichlet分配(LDA), 以构建一个显式的主题模型,提取某些类型的先验知识,例如:rnust-link, cannot-link 和基于相关性的先验知识,并自动地将其合并到显式主题模型中[43LPoria等(2016) 提出了意见挖掘中面向提取的第一个深度学习方法,即用一个7层的深卷积神经 网络来标记自定句中的每个词,无论是方面词还是非方面词^]。Xia等(2016)提 出了一种基于特征的OM使用主题图的新方法,该方法可以有效地将特定领域的 知识集成到基于特征的0M中,大大提高OM的准确性谷兴龙等(2019)在 词特征、依存句法特征的基础上引入语义特征并进行特征组合,使用条件随机场 (CRFs)进行评价对象的识别,其识别的准确性效果不错[46]。王仁武等(2019) 将隐性评价对象的识别简化为命名实体标注,捕获输入数据的上下文语义采用深 度学习解决,而标签的前后关系的获取则利用条件随机场CRF来实现,在一定程 度上解决隐性评价对象的识别问题[47]。
  
  空包网加盟 www.dhw100.com
上一篇:哪个空包网口碑好:关于快递服务质量指标体系构建方面的研究    下一篇:空包网推荐:评价词识别方面