典型文献
基于领域ERNIE和BiLSTM模型的酒店评论观点原因分类研究
文献摘要：
[目的]挖掘在线预订平台评论中的观点原因,提出一个观点原因句分类模型(DERNIE-BiLSTM).[方法]构建一个数据量百万级别的酒店领域评论语料库并人工标注一个数据集ORSC,将语料库额外加入ERNIE自有的预训练集中并通过预训练提取ORSC数据集的文本特征,利用BiLSTM模型融合特征并识别包含观点原因的评论.[结果]在ORSC数据集上,DERNIE短分类准确率为0.913 3,F1值为0.912 0;经过BiLSTM融合特征后的准确率提升到0.945 7,F1值提升到0.946 2.[局限]预训练语言模型需要大量的训练语料,对计算速度和效率会产生一定影响.[结论]DERNIE-BiLSTM预训练模型的特征提取和融合方法,能更精准地挖掘评论中的观点原因句.
文献关键词：
在线评论;观点原因句分类;ERNIE模型;BiLSTM模型
中图分类号：
作者姓名：
张治鹏;毛煜升;张李义
作者机构：
武汉大学信息管理学院 武汉430072
文献出处：
引用格式：
[1]张治鹏;毛煜升;张李义-.基于领域ERNIE和BiLSTM模型的酒店评论观点原因分类研究)[J].数据分析与知识发现,2022(09):65-76
A类：
观点原因句分类,DERNIE,ORSC
B类：
BiLSTM,酒店,原因分类,分类研究,在线预订,分类模型,数据量,百万,论语,语料库,外加,自有,训练集,文本特征,模型融合,融合特征,分类准确率,准确率提升,预训练语言模型,计算速度,预训练模型,融合方法,在线评论
AB值：
0.277918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
