科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人们生活质量的提高，对服务质量的要求日益提高，用户对商家评论从简单的好坏判断提升到了具体方面，而传统的情感分类方法无法解决这个问题，其中，文本的情感方面提取是关键。现有模型大多使用分段式子任务来进行训练，为了解决模型在多个子任务中错误传播的问题，并提高对数据的深层学习，提出一种基于BERT的互学习网格标签的方面情感分析模型。首先，利用旋转位置编码来加强模型对位置的敏感度，同时采用降维方式对词对进行标注，以提升学习效率。然后，将两个基于位置编码的网格标签进行互学习，使模型具有更好的泛化能力。最后，为了进一步发挥互学习的效果，提出了两种数据扩充方法：拼接法和移花接木法，使模型的性能得到进一步提升。在4个标准数据集上测试了三元组提取和二元组提取任务，在F1值上平均提升了4%以上，最高提升了7%。实验结果表明，IGTS-BERT模型在情感词提取上表现出优越的性能。
- 单位
