基于集成深度迁移学习的多源跨领域情感分类

• 作者: 李德玉 王素格 赵传君
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度迁移学习 集成学习 多源领域 跨领域情感分类
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 709-717
• 页数: 9页
• 分类号: TP391
• 字数: 6124字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2018.01.11.001

摘要

传统的跨领域情感分类往往是实现单一源领域到目标领域的情意迁移,而在现实情况下,往往存在多个源领域的数据.文章从参数迁移和集成学习的角度,提出了一种基于集成深度迁移学习的多源垮领域文本情感分类方法.首先,使用字符向量增强的深度卷积神经网络模型,在单个源领域上训练情感分类模型,然后通过模型迁移的手段,实现源领域的情意知识到目标领域的迁移.通过深度特征抽取和模型迁移,有效提升了跨领域的特征表示能力.为了充分利用所有源领域信息,我们采用集成学习框架对训练好的迁移学习模型进行集成.通过在Amazon多领域的评论数据集上进行实验,验证了文章提出的框架对垮领域情意分类的正确率有一定提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德玉	山西大学计算机与信息技术学院	83	753	12.0	24.0
3	王素格	山西大学计算机与信息技术学院	88	812	14.0	25.0
9	赵传君	山西大学计算机与信息技术学院	2	20	1.0	2.0