Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 111,676,072
Aspect Extraction with Bidirectional GRU and CRF
Tác giả hoặc Nhóm tác giả:
Trang Uyen Tran, Ha Thanh Thi Hoang, Hiep Xuan Huynh
Nơi đăng:
The 2019 IEEE-RIVF international conference on computing and communication technologies;
S
ố:
2019;
Từ->đến trang
: 60-64;
Năm:
2019
Lĩnh vực:
Công nghệ thông tin;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
ABSTRACT
Opinion mining or sentiment analysis used to understand the community’s opinions on a particular product. Sentiment analysis involves building the opinion collection and classification system. Oneof the most crucialtasks of sentiment analysis is the ability to extract aspects or featuresthat opinions expressed on.There are many approaches and techniques used to explore these features from unstructured comments. We proposed a different approach to the above mentionedaspect extraction task in sentiment analysis using a deep learning model combining Bidirectional Gated Recurrent Unit (BiGRU) and Conditional Random Field (CRF). This model is trained on labeled data to extract and classify feature sets in comments.Our model uses a BiGRU neural network with word embeddings achieved by training GloVe on theSemEval2014 dataset. The SemEval 2014 dataset include 7,686reviews on two domains, Laptop and Restaurant. Experimental results showed that our aspect extraction model in sentiment analysis using BiGRU-CRF achieved significantly better accuracy than thestate-of-the-art methods.
[
2019\2019m04d08_21_6_16TRANUYENTRANGnew_BiGRU_RIVFMarch2019.pdf
]
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn