典型文献
基于对抗网络的文本对齐跨语言情感分类方法
文献摘要：
[目的]通过拉近共享空间中双语文本对的分布以提高跨语言情感分类的准确率.[方法]在情感知识迁移过程中,通过调整平衡系数同时对齐词对和文本对,并联合语言判别器生成对抗网络优化转换矩阵.此外,采用一种多特征融合的分层神经网络方法表示文本,同时兼顾单词和句子的上下文主题关联性,能够有效解决文本长距离特征依赖问题.[结果]在NLP&CC 2013标准数据集上的实验结果证明,所提方法的平均跨语言情感分类准确率达到83.66％,比基准模型平均提高2.30个百分点.[局限]只在中英文数据集上进行实验,在其他语言组合中的有效性需要进一步验证.[结论]通过提高双语文本相似度的方式能够有效提高跨语言情感分类的准确率.
文献关键词：
词对齐;文本对齐;生成对抗网络;多特征融合;分层神经网络
中图分类号：
作者姓名：
杨文丽;李娜娜
作者机构：
河北工业大学人工智能与数据科学学院 天津 300401
文献出处：
引用格式：
[1]杨文丽;李娜娜-.基于对抗网络的文本对齐跨语言情感分类方法)[J].数据分析与知识发现,2022(07):141-151
A类：
文本对齐,分层神经网络
B类：
跨语言,语言情感,情感分类,分类方法,拉近,共享空间,双语,知识迁移,迁移过程,整平,平衡系数,合语,判别器,生成对抗网络,网络优化,转换矩阵,多特征融合,神经网络方法,单词,句子,上下文,主题关联,长距离,距离特征,NLP,CC,标准数据集,分类准确率,比基,模型平均,百分点,中英文,文本相似度,词对齐
AB值：
0.351974
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。
