TY -的A2吴Zhiang盟——吴Hanqian盟——刘,穆穆袍盟——张Shangbin AU -王,Zhike AU - Cheng Siliang PY - 2020 DA - 2020/06/08 TI -大数据管理和分析科学编程:深上优于类别分类方法方面Question-Answering-Style评论SP - 4690974六世- 2020 AB -在线产品评论正在探索在电子商务平台上,和矿业aspect-level产品信息包含在这些评论具有很大的经济效益。方面类别分类的任务是一个基本的任务aspect-level情绪分析已成为一个热门研究课题在自然语言处理(NLP)领域在过去的几十年。在各种电子商务平台,出现各种用户答疑(QA)评论通常包含多aspect-related信息产品。虽然一些研究者把他们的努力方面类别分类对于传统的产品评论,现有的基于深度学习方法不能应用于代表QA-style评论。因此,我们提出一个清晰(4 d)基于QA交互层面和hyperinteraction-level文本表示模型建模与不同级别的文本表示,即:句,字面意思,QA交互层面和hyperinteraction-level。在我们的实验中,数据集从三个领域的实证研究表明,我们的提议能表示语句执行优于传统方法,特别是在 数字域。SN - 1058 - 9244 UR - https://doi.org/10.1155/2020/4690974 - 10.1155 / 2020/4690974摩根富林明科学编程PB - Hindawi KW - ER