典型文献
基于多通道BERT的跨语言属性级情感分类方法
文献摘要：
属性级情感分类是情感分析领域中一个细粒度的情感分类任务,旨在判断文本中针对某个属性的情感极性.现有的属性级情感分类方法大多是使用同一种语言的标注文本进行模型的训练与测试,而现实中很多语言的标注文本规模并不足以训练一个高性能的模型,因此跨语言属性级情感分类是一个亟待解决的问题.跨语言属性级情感分类是指利用源语言文本的语义和情感信息对目标语言文本中包含的属性级情感进行挖掘和分类,相对于单语言的属性级情感分类任务而言,它具有更高的挑战性.该文提出了一个基于多通道BERT的跨语言属性级情感分类方法(Multi-BERT),该方法使用不同的BERT模型分别学习源语言文本和目标语言文本的语义特征,适应源语言和目标语言的语法特点,然后将多个BERT模型学习到的文本表示彼此交互,可以从中挖掘出更充分的属性级情感信息,提高跨语言属性级情感分类的性能.
文献关键词：
多通道;跨语言;属性级情感分类
中图分类号：
作者姓名：
陈潇;王晶晶;李寿山;韦思义;张啸宇;陈强
作者机构：
苏州大学 计算机科学与技术学院,江苏 苏州 215006
文献出处：
引用格式：
[1]陈潇;王晶晶;李寿山;韦思义;张啸宇;陈强-.基于多通道BERT的跨语言属性级情感分类方法)[J].中文信息学报,2022(02):121-128
A类：
属性级情感分类
B类：
多通道,BERT,跨语言,语言属性,分类方法,情感分析,细粒度,分类任务,某个,情感极性,注文,多语言,源语言,情感信息,目标语言,单语,Multi,语义特征,语法特点,模型学习,文本表示,挖掘出
AB值：
0.167932
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。
