摘要： 网络媒体与电商平台的兴起产生了海量的针对汽车的主观评论。对这些评论文本进行观点挖掘对车企改进产品设计和制定竞争策略有重要参考意义。如何在评论中实现细粒度的属性级观点挖掘已成为一个亟待解决的问题。针对属性级观点挖掘中观点抽取和类别分类两个子任务，提出了基于BERT的挖掘方法。首先将BERT序列标注模型和基于依存句法、词性标注的句法分析模型并联，融合生成<评价对象，评价观点>二元组。在此基础上，通过BERT模型对二元组进行属性分类和情感分类。对比试验结果表明，采用BERT的挖掘方法效果显著优于单纯的句法分析方法，而融合了句法分析的BERT模型在召回率的表现上优于单纯的BERT模型，验证了所提方法的可行性和有效性。
中图分类号:
