基于知识的方法对意见挖掘中的对象和属性共指进行分类
本文探索了如何利用不同类型的知识图谱来更好地解决代词共参问题,并提出了一种知识注意力模块,以选择性地使用信息化知识来增强模型,实验结果表明,在不同领域的两个数据集上,我们的模型优于现有技术,并在跨领域的情况下也表现出更好的性能。
Jul, 2019
本文研究如何使用数据挖掘、自然语言处理技术和本体论来提取产品方面和用户意见,并使用频繁(标记)集,讨论了提出的框架能够提取评论中所有可能的方面和意见,并通过相似性分组代表性方面,并生成输出摘要。该框架与现有基线模型相比,得到了有希望的结果。
Apr, 2014
文中介绍了一种从在线产品评论中进行意见摘要的神经框架,该方法是知识瘦身的,只需要轻量级的监督,包括产品领域标签和用户提供的评分。方法结合了两个弱监督组件(一个偏向提取器和一个基于多实例学习的情感预测器),从多个评论中识别显著观点并形成提取式摘要。研究介绍了包括六个不同领域的产品评论的训练集以及具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进,大规模研究表明根据多个标准,人类评判员更喜欢该方法的意见摘要。
Aug, 2018
本文提出了一种端到端的无监督属性学习方法,利用在线文本语料库自动发现与人类概念语义属性相关的显著且有区分度的词汇,并针对文本中的噪声和缺失数据,提出了一个深度卷积模型来优化课程 - 属性关联。 实验证明,该方法能够有效地在大规模数据集上发现和学习语义属性,并且在 ImageNet、Animals 较 Attributes 和 aPascal/aYahoo 三个数据集上优于现有技术的零样本学习效果。
Apr, 2017
本文中,我们研究了开放世界环境下的属性挖掘问题,提出了基于预训练语言模型的属性挖掘框架,该框架能够从产品标题中提取短语,生成属性值候选项,并将其聚类成属性组。通过自集成技术,我们成功地处理了开放世界挑战,并在大规模样本集和测试集上取得了显著的优势。
Apr, 2022
化学专利中解决共指和桥接关系对于更好地理解精确的化学过程非常重要,我们提出了一种将外部知识纳入多任务学习模型的方法,用于化学领域中的共指和桥接关系的解析,结果表明整合外部知识可以改善化学共指和桥接关系的解决。
Apr, 2024
通过算法自动挖掘提取规则,应用于标注大量辅助数据,以及研究训练程序,使得神经网络模型在同时学习自动标注和人工精确标注数据的情况下,超越或与现有先进技术相当的表现。
Jul, 2019
本文提出了一种用于构建具有可调精度的知识库的方法,该方法通过概率建模用户对每个实体 - 属性对的共识,来控制知识库的精度,并介绍了三种神经网络用于拟合共识模型,并在 Google Maps 数据上进行了评估。研究表明所提出的学习模型很好地校准,并且能够成功地用于控制知识库的精度。
May, 2019
本研究评估了一个新提出的神经模型在提取评论方面的可行性,结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。
Apr, 2018