科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]针对传统的自动摘要无法深度融合评论的情感和主题信息，无法解决词汇不足的问题，提出一种融合情感-主题双通道信息的评论摘要生成模型。 [方法]运用TextRank动态抽取评论主题句，借助PyABSA模型抽取主题句中的方面词-情感词序列拼接主题句得到最终的主题信息，并通过构建情感词集和融合主题的Bi-LSTM情感词抽取模型来获取情感句，将评论原文和情感句进行拼接，与主题句形成双通道信息，分别采用注意力机制得到主题注意力和情感注意力，并将其叠加进行深度融合得到融合注意力，替换指针生成网络的单通道注意力，通过指针网络生成最终的评论摘要。 [结果]本文提出的融合双通道信息的指针生成网络与基线模型相比，在 ROUGE-1、ROUGE-2和ROUGE-L值上分别提升2.87%、6.14%和2.64%，消融实验结果表明融合双通道信息比单通道信息在ROUGE-1、ROUGE-2和ROUGE-L值上分别提升了3.91%、3.41%和3.71%。 [局限]由于评论中可能会出现细粒度的属性词，未考虑到融合更细粒度的属性。 [结论]本文模型能够有效融合评论的主题信息和情感信息，提升双通道信息融合的质量，在摘要生成结果中优于对比模型，生成的摘要能够包含更多的情感和主题信息。
- 单位
