基于深度表示学习的跨领域情感分析
2017-07-25分类号：TP391.1
【部门】中南财经政法大学信息与安全工程学院 武汉大学信息管理学院
【摘要】【目的】通过在标注资源丰富的源领域中学习,并将目标领域的文档投影到与源领域相同的特征空间中去,从而解决目标领域因数据量较小难以获得好的分类模型的问题。【方法】选择亚马逊在线购物网站在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,在卷积神经网络和结构对应学习的基础上提出跨领域深度表示模型(CDDRM),以实现不同领域环境下的知识迁移,并将其应用到跨领域情感分析任务之中。【结果】实验结果表明,CDDRM在跨领域环境下最优的F值达到0.7368,证明了该模型的有效性。【局限】CDDRM针对长文本的
【关键词】跨领域 知识迁移 深度表示学习 情感分析
【基金】国家自然科学基金面上项目“大数据环境下基于领域知识获取与对齐的观点检索研究”(项目编号:71373286);国家自然科学基金青年项目“突发公共卫生事件社交媒体信息主题演化与影响力建模”(项目编号:71603189);; 武汉大学人文社会科学青年学者学术发展计划学术团队项目“人机交互与协作创新”(项目编号:Whu2016020)的研究成果之一
【所属期刊栏目】数据分析与知识发现
文献传递
