歸納式遷移學(xué)習(xí)在跨領(lǐng)域情感傾向性分析中的應(yīng)用
發(fā)布時(shí)間:2017-06-10 16:20
本文關(guān)鍵詞:歸納式遷移學(xué)習(xí)在跨領(lǐng)域情感傾向性分析中的應(yīng)用,由筆耕文化傳播整理發(fā)布。
【摘要】:在解決情感傾向性分析問(wèn)題中,傳統(tǒng)的監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)都是在訓(xùn)練和測(cè)試所用的數(shù)據(jù)來(lái)自相同分布的假設(shè)基礎(chǔ)之上的,但在很多情況下不能滿足這樣的假設(shè),這就產(chǎn)生了跨領(lǐng)域的情感傾向性分析問(wèn)題.在跨領(lǐng)域情感傾向性分析中,提出一種基于歸納式遷移學(xué)習(xí)的圖模型,通過(guò)圖模型建立源領(lǐng)域和目標(biāo)領(lǐng)域數(shù)據(jù)之間的關(guān)聯(lián),使得源領(lǐng)域的數(shù)據(jù)通過(guò)圖模型學(xué)習(xí)目標(biāo)領(lǐng)域數(shù)據(jù)在特征和實(shí)例上的特點(diǎn).同時(shí),利用歸納式遷移學(xué)習(xí)方法使用少量的目標(biāo)領(lǐng)域的已標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練,從而提高了情感分類器在目標(biāo)領(lǐng)域的分類準(zhǔn)確率,極大地改進(jìn)了跨領(lǐng)域情感傾向性分析的效果.在標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),并與監(jiān)督學(xué)習(xí)方法 SVM、半監(jiān)督學(xué)習(xí)方向TSVM以及其它3種常用的遷移學(xué)習(xí)方法進(jìn)行了對(duì)比,對(duì)比結(jié)果顯示本文方法顯著的高于SVM和TSVM,并在大多數(shù)數(shù)據(jù)集上優(yōu)于其它3種遷移學(xué)習(xí)方法,實(shí)驗(yàn)結(jié)果表明該方法是有效的.
【作者單位】: 大連民族大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【關(guān)鍵詞】: 歸納式學(xué)習(xí) 跨領(lǐng)域情感傾向性分析 遷移學(xué)習(xí) 圖模型
【基金】:國(guó)家自然科學(xué)基金(61202254) 中央高校自主科研基金(DC201502030202;DC201502030405)
【分類號(hào)】:TP391.1
【正文快照】: Application of inductive transfer learning in cross-domainsentiment analysisMeng Jiana*,Zhao Dandan,Yu Yuhai,Sun Shichang(School of Computer Science and Engineering,Dalian Nationalities University,Dalian,116600,China)文本情感傾向性分析是指通過(guò)挖掘和分析
本文關(guān)鍵詞:歸納式遷移學(xué)習(xí)在跨領(lǐng)域情感傾向性分析中的應(yīng)用,由筆耕文化傳播整理發(fā)布。
,本文編號(hào):439153
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/439153.html
最近更新
教材專著