Key points are not available for this paper at this time.
نحقق في استخدام LSTMs العميقة ثنائية الاتجاه لاستخراج الكيانات المتعلقة بالرأي والعلاقات IS-FROM و IS-ABOUT التي تربطها - حيث تعتبر هذه المحاولة الأولى التي تستخدم نهج التعلم العميق. ربما من المدهش أننا نجد أن LSTMs القياسية ليست تنافسية مع نهج الاستدلال المشترك CRF+ILP المتقدم. ومع ذلك، فإن دمج تحسين على مستوى الجملة وآخر جديد على مستوى العلاقات، يسمح لـ LSTM بتحديد العلاقات المتعلقة بالرأي ويؤدي إلى أداء ضمن 1-3% من النموذج المشترك المتقدم بالنسبة للكيانات المتعلقة بالرأي وعلاقة IS-FROM؛ ويؤدي بنفس كفاءة النموذج المتقدم بالنسبة لعلاقة IS-ABOUT - كل ذلك دون الحاجة إلى الوصول إلى قواميس الرأي، أو المحللات، أو مكونات المعالجة المسبقة الأخرى المطلوبة لأسلوب CRF+ILP الغني بالميزات.
قام كاتيار وآخرون (الجمعة) بدراسة هذا السؤال.