KENAOTE：一种知识增强的方面和意见对提取多任务学习模型
KENAOTE: multi-task learning model for knowledge augmented aspect and opinion pair extraction
1. 扬州大学 信息工程学院, 江苏 扬州 225127
2. 中国科学院计算技术研究所, 北京100190
3. 国家计算机网络应急技术处理协调中心, 北京 100029
摘要
方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系，然而相关研究通常独立提取方面和意见项，而不识别关系。为了识别方面和意见项关系，提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量，为了实现知识增强的效果，使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中，然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项，最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系，采用共享编码层的方式实现联合训练。在训练流程中，匹配模块采用真实标签作为输入，在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性，使用三个通用领域数据集进行对比实验，该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%，并优于其他比较模型。
基金项目
国家“242信息安全”计划资助项目(2021A008)
北京市科技新星计划交叉学科合作课题(Z191100001119014)
国家重点研发计划重点专项资助项目(2017YFC1700300,2017YFB1002300)
国家自然科学基金资助项目(61702234)
江苏省(扬州大学)研究生科研与实践创新计划资助项目(SJCX21_1551)
出版信息
DOI: 10.19734/j.issn.1001-3695.2022.07.0326
出版期卷: 《计算机应用研究》 印刷出版, 2023年第40卷 第2期
所属栏目: 算法研究探讨
出版页码: 359-364
文章编号: 1001-3695(2023)02-007-0359-06
发布历史
[2022-09-23] 优先出版
[2023-02-05] 印刷出版
引用本文
李阳, 唐积强, 朱俊武, 等. KENAOTE：一种知识增强的方面和意见对提取多任务学习模型 [J]. 计算机应用研究, 2023, 40 (2): 359-364. (Li Yang, Tang Jiqiang, Zhu Junwu, et al. KENAOTE: multi-task learning model for knowledge augmented aspect and opinion pair extraction [J]. Application Research of Computers, 2023, 40 (2): 359-364. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
