排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
情绪-原因对的自动抽取，是文本情感分析的新任务，旨在以子句为单位，从不带任何标注的原始文本中识别情绪表达，并确定产生相应情绪的原因，形成情绪-原因对。完成上述任务的关键是有效捕捉情绪和原因之间以及不同情绪-原因对之间的关联。针对现有研究在捕捉这些关联方面存在的粒度过粗、无法有效区分不同子句对之间因果关系的相互影响等不足，提出了一种基于异构图神经网络的情绪-原因对抽取方法。该方法首先构建以子句和子句对为顶点的异构图，其中子句和子句对之间以及不同的子句对之间存在不同类型的边，用于捕捉各种细粒度的关联；然后采用带有注意力机制的异构图神经网络顶点表达更新算法，对子句和子句对的初始表达进行迭代更新；接着将更新后的子句对表达输入到二元分类器，通过该分类器判断相应的子句对是否存在情绪-原因关系。在情绪-原因对抽取任务的基准数据集上进行的实验表明，所提基于异构图神经网络的方法具有稳定的效果提升，在F1值上比当前最好的方法高0.85%;如果底层编码器(用于得到初始的子句表达和子句对表达)采用BERT,F1值可以达73.12%,也优于底层编码器同样采用BERT的现有最新算法。 相似文献
2.
个性化评论摘要旨在针对一篇评论文本，面向不同用户产生反映他们不同偏好的摘要，具有较高的应用价值.现有工作存在新用户偏好无法增量学习、忽略用户属性关联对偏好的影响等不足.为了解决上述问题，本文提出了融合用户属性交互的个性化评论摘要生成算法.该算法自动学习用户各方面属性的嵌入表达，在此基础上利用自注意力机制捕捉所有属性之间的交互关联，从而使获得的用户偏好表达更加准确.得到的偏好表达被用于捕捉评论中用户可能感兴趣的信息，进而指导模型生成符合用户个性化偏好的摘要文本.实验结果表明，本文提出的算法在评价指标ROUGE上明显高于已有的先进算法. 相似文献
1
