典型文献
基于混合式迁移学习的文本分类方法
文献摘要：
单一的迁移学习存在无法有效的将知识迁移到目标领域的问题,且迁移过程中易出现负迁移现象,在此背景下,提出了基于混合式迁移学习的文本分类方法.该方法首先利用样本之间的距离作为权衡样本相似性的标准进行样本迁移以扩充目标领域样本,然后利用模型迁移建立带有数据分布自适应的文本分类深度网络结构,最后用扩充后的目标领域数据集来训练网络.实验中使用不同的预训练模型来验证方法的有效性,其中,MT2CERNIE的准确率达到0.884、召回率达到0.890、F1分数达到0.878,具有最佳的预测性能.结果表明,所提方法能够在一定程度上解决标注样本不足、出现负迁移现象等问题.
文献关键词：
迁移学习;预训练模型;领域;数据分布;文本分类
中图分类号：
作者姓名：
张合欢;陈致君;杨顶
作者机构：
三峡大学计算机与信息学院,湖北宜昌 443002
文献出处：
引用格式：
[1]张合欢;陈致君;杨顶-.基于混合式迁移学习的文本分类方法)[J].长江信息通信,2022(05):54-57
A类：
数据分布自适应,MT2CERNIE
B类：
迁移学习,文本分类方法,知识迁移,迁移过程,中易,负迁移现象,样本相似性,模型迁移,深度网络结构,预训练模型,验证方法,召回率,预测性能
AB值：
0.234293
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。
