方面情感三元组抽取旨在识别一条评论中的方面项及其情感倾向,并提取与其相关的观点项.现有方法大多将该类任务分为多个子任务,将子任务组成流水线并完成这类任务.然而,基于流水线思想的方法在实际应用中会受到误差传播、不易使用等因素的影响.为此,文中提出词对关系学习方法,将方面情感三元组抽取任务转化为端到端的词对关系学习任务.方法包含一种可将句中的词对关系进行统一标注以表示所有三元组的词对关系标注的方法,以及为此特别构建的可输出词对关系的词对关系网络.首先,使用双向门控循环单元和混合式注意力对句子进行编码表示.然后,使用注意力图转换模块将句子编码转换为各项标签概率.最后,从词对关系标签结果中提取三元组.此外,将预训练的BERT(Bidirectional Encoder Representation from Transformer)应用于文中方法.在4个标准数据集上的实验表明,文中方法性能较优.
针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genet...
详细信息
针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genetic Algorithm of Test case for Chinese text error Correction Software,MMG-CCS)和基于TextRank模型的中文文本纠错软件测试用例最小化方法(Minimization Method based on TextRank of Test case for Chinese text error Correction Software,MMT-CCS).MMG-CCS基于问题特点设计了一种中文文本纠错软件测试用例集覆盖度模型,并将测试用例集大小及覆盖度作为目标函数,为了高效求解该问题,MMG-CCS同时对遗传算子进行了改进.此外,MMT-CCS方法能将测试用例集最小化问题映射为图解问题,并根据问题特点对TextRank模型进行了针对性改进.实验结果表明,MMG-CCS和MMT-CCS对测试用例集的缩减程度高,且在不同中文文本纠错软件上对于不同中文文本纠错软件测试用例集均能保持相同的测试效果.
暂无评论