典型文献
领域对齐对抗的无监督跨领域文本情感分析算法
文献摘要：
在实际应用场景中,情感分析技术为自动判别文本情感极性提供了有效的决策及解决方案,但是文本情感分析技术依赖于大量的标定样本.为了减小对人工标注的依赖,有研究者提出了基于领域自适应的跨领域情感分析技术.该技术面向跨领域文本情感分析任务,将经由标定样本训练的源领域模型,迁移至无标定的目标领域.然而目前的领域自适应技术仅从单个角度进行迁移,即减小领域专有特征差异或提取领域不变特征.因此考虑到跨领域文本数据同时包含领域专有特征和领域不变特征的特点,提出了一种领域对齐对抗的无监督跨领域文本情感分析算法.该算法通过渐进式的迁移策略,逐层减小不同语义层的领域差异,并在高层语义子空间通过协同优化的领域自适应算法,实现跨领域文本数据的领域知识迁移.在2个公开跨领域文本情感数据集上的24组跨领域文本情感分类实验结果表明,与4类领域自适应算法中代表性的和当前表现最优的方法相比,领域对齐对抗的无监督跨领域文本情感分析算法在24组实验中取得了最高的平均分类准确率,同时结合迁移性能分析结果和特征分布可视化结果,证明该算法一定程度上提升了现有无监督跨领域文本情感分析算法的分类性能和迁移性能.
文献关键词：
跨领域情感分类;迁移学习;无监督领域自适应;情感分析;协同优化
中图分类号：
作者姓名：
贾熹滨;曾檬;米庆;胡永利
作者机构：
北京工业大学信息学部 北京 100124;多媒体与智能软件技术北京市重点实验室(北京工业大学)北京 100124;北京人工智能研究院(北京工业大学) 北京 100124
文献出处：
引用格式：
[1]贾熹滨;曾檬;米庆;胡永利-.领域对齐对抗的无监督跨领域文本情感分析算法)[J].计算机研究与发展,2022(06):1255-1270
A类：
特征分布可视化,跨领域情感分类
B类：
对齐,文本情感分析,情感极性,技术依赖,样本训练,源领域,领域模型,移至,无标定,自适应技术,专有,特征差异,异或,不变特征,文本数据,渐进式,迁移策略,逐层,义子,子空间,协同优化,自适应算法,领域知识,知识迁移,文本情感分类,中代,平均分,分类准确率,迁移性能,分类性能,迁移学习,无监督领域自适应
AB值：
0.240403
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
