对抗长短时记忆网络的跨语言 文本情感分类方法

• 作者: 党莉 张洪博 陈锻生
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 文本情感 跨语言 对抗 长短时记忆网络 共享特征
• 年，卷（期）: 2019,（2）
• 页码范围: 251-256
• 页数: 6页
• 分类号: TP183|TP391.1
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201804046

摘要

针对文本情感分类任务中,有情感标注的语料在不同语言中的不均衡问题,结合深度学习和迁移学习,提出一种基于对抗长短时记忆网络(ALSTM)的跨语言文本情感分类方法.设置双语各自独立的特征提取网络和共享特征提取网络,把获取到的特征拼接输入到分类器进行分类.在共享特征提取网络中,设置语言分类器,运用对抗思想优化模型,通过投票法决定文本最终的情感极性.实验表明:该方法可以取得跨语言文本情感分类任务更高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈锻生	华侨大学计算机科学与技术学院	75	955	16.0	28.0
2	张洪博	华侨大学计算机科学与技术学院	7	30	2.0	5.0
3	党莉	华侨大学计算机科学与技术学院	1	2	1.0	1.0