3812
3
0
2020-06-14 10:48:11
2020-06-15
2020年6月7日，華南師范大學(xué)軟件學(xué)院“自然語(yǔ)言處理與智能軟件技術(shù)”研究團(tuán)隊(duì)（簡(jiǎn)稱：NLP團(tuán)隊(duì)），在團(tuán)隊(duì)負(fù)責(zé)人曾碧卿教授帶領(lǐng)下，在SCI期刊Journal of Intelligent & Fuzzy Systems上，錄用了一篇研究論文《Multi-task Learning Model for Aspect Term Extraction and Aspect Polarity Classification Based on Dual-Labels》。Journal of Intelligent & Fuzzy Systems是中科院四區(qū)的SCI學(xué)術(shù)期刊，該期刊的影響因子是1.637，屬于“計(jì)算機(jī)科學(xué)”大類學(xué)科和“計(jì)算機(jī)：人工智能”小類學(xué)科。論文作者包括有：第一作者、通訊作者曾碧卿教授，計(jì)算機(jī)學(xué)院碩士研究生楊恒、曾鋒、周武、徐如陽(yáng)。
研究成果介紹：
基于方面級(jí)的文本情感分類(ABSA)是自然語(yǔ)言處理中的一個(gè)熱點(diǎn)任務(wù)，它由方面詞提取(ATE)和方面極性分類(APC)兩個(gè)子任務(wù)組成。以往的研究一般是獨(dú)立研究這兩個(gè)子任務(wù)，分別為ATE和APC設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型，且大多數(shù)的方法將各種手工特性集成到模型之中，這將消耗大量的計(jì)算資源和人力處理時(shí)間。此外，ATE任務(wù)結(jié)果的好壞會(huì)進(jìn)一步影響APC的性能。針對(duì)以上問(wèn)題，“自然語(yǔ)言處理與智能軟件技術(shù)”研究團(tuán)隊(duì)在研究中提出了一種基于雙輔助標(biāo)簽的ATE和APC多任務(wù)學(xué)習(xí)模型。成果的主要?jiǎng)?chuàng)新思路是采用通用的IOB標(biāo)簽和情感IOB標(biāo)簽，在不采用人工特征的情況下，有效地銜接了ATE和APC這兩個(gè)任務(wù)。在SemEval-2014的兩個(gè)通用基準(zhǔn)數(shù)據(jù)集上進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，與基線模型相比，該模型在ATE和APC任務(wù)上都具有良好的性能和效率。
模型架構(gòu)圖：
近三年以來(lái)，華南師范大學(xué)“自然語(yǔ)言處理與智能軟件技術(shù)”研究團(tuán)隊(duì)在文本情感分析、推薦系統(tǒng)、聊天機(jī)器人、智能軟件機(jī)器人、自動(dòng)文本摘要、機(jī)器閱讀理解、機(jī)器翻譯、知識(shí)圖譜、知識(shí)推理、問(wèn)答系統(tǒng)、強(qiáng)化學(xué)習(xí)、多輪對(duì)話、問(wèn)題生成、實(shí)體關(guān)系抽取等多項(xiàng)自然語(yǔ)言處理關(guān)鍵技術(shù)及其應(yīng)用方面開(kāi)展了持續(xù)而深入的研究。研究團(tuán)隊(duì)在不斷的研究、探索與科研實(shí)踐中，逐步取得較好的科研成果，已經(jīng)在國(guó)內(nèi)外學(xué)術(shù)期刊《智能系統(tǒng)學(xué)報(bào)》、《中文信息學(xué)報(bào)》、《小型微型計(jì)算機(jī)系統(tǒng)》、《Applied Science》、《Pattern Analysis and Applications》、《Journal of Intelligent and Fuzzy Systems 》、《Mathematical Problems in Engineering》以及《IEEE Access》等中英文核心期刊上錄用或發(fā)表多篇研究成果論文。
