基于深度表示学习和高斯过程迁移学习的情感分析方法

• 作者: 吴冬茵 徐睿峰 桂林 陈钊
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 情感分析 深度表示学习 高斯过程 迁移学习
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 169-176
• 页数: 8页
• 分类号: TP391
• 字数: 7417字
• 语种: 中文

摘要

情感分析是自然语言处理领域的重要研究问题.现有方法往往难以克服样本偏置与领域依赖问题,严重制约了情感分析的发展和应用.为此,该文提出了一种基于深度表示学习和高斯过程知识迁移学习的情感分析方法.该方法首先利用深度神经网络获得文本样本的分布式表示,而后基于深度高斯过程,从辅助数据中迁移与测试集数据分布相符的高质量样例扩充训练数据集用于分类器训练,以此提高文本情感分类系统性能.在COAE2014文本情感分类数据集上进行的实验结果显示,该文提出的方法可以有效提高文本情感分类性能,同时可以有效缓解训练数据的样本偏置以及领域依赖问题的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐睿峰	哈尔滨工业大学深圳研究生院计算机科学与技术学院	9	152	5.0	9.0
2	桂林	哈尔滨工业大学深圳研究生院计算机科学与技术学院	4	130	4.0	4.0
3	吴冬茵	哈尔滨工业大学深圳研究生院计算机科学与技术学院	1	21	1.0	1.0
4	陈钊		1	21	1.0	1.0