面向问答文本的属性分类方法AttributeClassificationtowardsQuestion.PDFVIP

面向问答文本的属性分类方法 江明奇，沈忱林，李寿山 （苏州大学 计算机科学与技术学院，江苏省 苏州市 215006 ） 摘要：属性分类是属性级情感分析中的一个重要任务。该任务旨在对文本包含的某些具体属性进行自动分 类。已有的属性分类方法研究基本都是面向新闻、评论等文本类型。与已有研究不同的是，本文的研究主 要面向问答文本的属性分类任务。针对问答文本的属性分类问题，本文提出了一种多维文本表示的方法。 首先，该方法进行中文句子切分；其次，对每个子问题和答案学习一个LSTM 模型；再其次，通过融合多个 LSTM 模型，形成多维文本表示；最后，使用卷积层处理多维文本表示，获得最终分类结果。实验结果表明 该方法明显优于传统的属性分类方法。 关键词：属性分类；问答文本；多维文本表示 中图分类号：TP391 文献标识码：A Attribute Classification towards Question-Answer TextName 1,2 Mingqi Jiang, Chenlin Shen, Shoushan Li (School of Computer Science and Technology, Soochow University, Suzhou, Jiangsu 215006, China) Abstract: Attribute classification is an important research task in aspect-based sentiment classification. It aims at classifying the category of attribute automatically. Most existing studies for attribute classification mainly focus on text styles like news and reviews. Unlike these studies, this paper focuses on a totally different kind of text, i.e., question-answer (QA) text pair. To perform attribute classification towards QA text pair, we propose a novel approach called multi-dimension textual representation. Firstly, we segment the question text of a QA text pair into sentences. Then, we leverage LSTM models to encode each sentence in question text and the whole answer text. Finally, we leverage a CNN layer to extract important information in all sentences of question text and the whole answer text. Empirical studies demonstrate the effectiveness of our proposed approach to attribute classification towards question-answer text. Key words: Attribute classification; Question-Answer text; multi-dimension textual representation 1. 引言 随着互联网行业的兴起，亚马逊、京东和淘宝等众多电子商务平台提供了客户问答平台， 用户在这些平台上可以对感兴趣的商品的属性进行提问，购买过相应商品的用户可以给出相 应的回答。由于该方式的评价信息难以大规模造假，从而使得问答评论的方式比传统评论方 式更为可靠。近些年来，针对属性级情感分析任务的研究越来越多，该任务旨在做出更细粒