基于典型相关分析的多视图跨领域情感分类

• 作者: 黄贤立
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 跨领域学习 迁移学习 情感分类 文本分类 核空间典型相关分析
• 年，卷（期）: 2010,（24）
• 页码范围: 186-188
• 分类号: TP391
• 字数: 3814字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.24.067

摘要

跨领域的文本分类,是指利用有标记领域的知识去帮助另一个概率分布不同的,未标记领域的知识进行分类的问题.从多视图学习的视角提出一个新的跨领域文本分类的方法(MTV算法).通过在核空间典型相关分析中引入与标记相关的信息,MTV算法可以得到一个判别性能更优的公共子空间.在多个情感类文本数据上的实验表明,MTV算法可以大大提升传统监督式学习算法面对领域迁移时的分类性能,并且在引入判别式的核空间典型相关分析后,进一步优化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄贤立	淮阴师范学院计算机科学与技术学院	15	167	4.0	12.0