面向在线健康社区的生成式方面级情感分析OA北大核心CHSSCDCSSCICSTPCD

[目的/意义]为解决在线健康社区文本中方面实体和评论实体难以对齐的问题,提出了一种基于端到端的生成式方面级情感分析模型BERT-WWM-GPT。[方法/过程]首先,在模型训练阶段通过编码器抽取文本中包含丰富语义信息的特征向量;其次,基于特征向量和标准预测序列在解码器中迭代生成情感三元组,并通过最大似然估计训练模型参数;然后,在模型推理阶段基于文本语义特征向量在解码器生成预测序列;最后,利用规则得到有效的情感三元组表达。[结果/结论]对自建数据集和5份公共数据集进行验证,结果表明BERT-WWM-GPT模型在两个方面级情感分析任务中的F1值分别比基准模型GTS和MuG RoBERTa-large提升了12.25%和7.22%。BERT-WWM-GPT模型能够有效抽取在线健康社区评论中的多重情感三元组,且在其他领域具有优秀的泛化能力。