典型文献
基于胶囊网络的方面级跨领域情感分析
文献摘要：
在跨领域情感分析任务中,目标领域带标签样本严重不足,并且不同领域间的特征分布差异较大,特征所表达的情感极性也有很大差别,这些问题都导致了分类准确率较低.针对以上问题,提出一种基于胶囊网络的方面级跨领域情感分析方法.首先,通过BERT预训练模型获取文本的特征表示;其次,针对细粒度的方面级情感特征,采用循环神经网络(RNN)将上下文特征与方面特征进行融合;然后,使用胶囊网络配合动态路由来区分重叠特征,并构建基于胶囊网络的情感分类模型;最后,利用目标领域的少量数据对模型进行微调来实现跨领域迁移学习.所提方法在中文数据集上的最优的F1值达到95.7％,英文数据集上的最优的F1值达到了91.8％,有效解决了训练样本不足造成的准确率低的问题.
文献关键词：
方面级情感分析;跨领域;胶囊网络;循环神经网络;预训练
中图分类号：
作者姓名：
孟佳娜;吕品;于玉海;孙世昶;林鸿飞
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;大连理工大学计算机科学与技术学院,辽宁大连 116024
文献出处：
引用格式：
[1]孟佳娜;吕品;于玉海;孙世昶;林鸿飞-.基于胶囊网络的方面级跨领域情感分析)[J].计算机应用,2022(12):3700-3707
A类：
B类：
胶囊网络,严重不足,特征分布,分布差异,情感极性,分类准确率,BERT,预训练模型,特征表示,细粒度,情感特征,循环神经网络,RNN,上下文特征,动态路由,由来,情感分类,分类模型,少量数据,微调,调来,跨领域迁移,迁移学习,中文数据集,训练样本,方面级情感分析
AB值：
0.386091
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。
