典型文献
基于CNN的方面级跨领域情感分析研究
文献摘要：
近年来,方面级情感分析吸引了越来越多学者的关注,但方面级跨领域情感分析存在没有标注数据,难以获得好的分类结果的问题.将上下文特征与方面特征进行融合,构建基于卷积神经网络和门控单元的情感分类模型,并利用少量目标领域数据集对模型进行微调来实现迁移学习,再用迁移学习后的模型对目标领域的数据进行方面级情感分析,有效解决了训练样本不足、准确率低的问题.人工标注了适用于方面级跨领域情感分析的中、英文语料,所提出的方法在中文数据集最优的F1值达到92.19％,英文数据集最优的F1值达到了86.18％,实验结果表明基于卷积神经网络的方面级跨领域情感分析方法有效提高了目标领域的情感分类准确性.
文献关键词：
方面级情感分析;迁移学习;跨领域;卷积神经网络
中图分类号：
作者姓名：
孟佳娜;吕品;于玉海;郑志坤
作者机构：
大连民族大学 计算机科学与工程学院,辽宁 大连 116600
文献出处：
引用格式：
[1]孟佳娜;吕品;于玉海;郑志坤-.基于CNN的方面级跨领域情感分析研究)[J].计算机工程与应用,2022(16):175-183
A类：
B类：
跨领域,方面级情感分析,难以获得,上下文特征,门控单元,情感分类,分类模型,微调,调来,迁移学习,训练样本,语料,中文数据集,分类准确性
AB值：
0.226198
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。
