融合双向语言模型的半监督属性识别方法研究

属性级情感分析是细粒度的情感分类任务,属性识别是属性情感分析任务中的重要步骤,作为典型的序列化标记问题处理。近年来,不依赖人工特征的神经网络模型在分词等序列化标记任务中表现出了很好的性能。为此,论文提出一种融合双向语言模型的半监督序列化标记网络模型(ST-BiLM),首先利用卷积神经网络(CNN)训练出单词具有形态特征的字符级向量,然后组合具有语义特征的词向量作为模型的输入,再利用ST-BiLM模型来进行实体属性识别。实验结果表明,模型在SemEval2014 Task4和Twitter不同领域的数据集上都达到了很好的结果,F1值分别为88.27%,83.15%和86.36%。