基于句式元学习的 Twitter 分类

• 作者: 严璐绮 吴宏煜 王超智 贺嘉会 闫雷鸣
• 来源期刊: 北京大学学报（自然科学版）
• 关键词: 元学习 少次学习 情感分析 卷积神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 专题报道: 文本大数据分析与语义理解
• 页码范围: 98-104
• 页数: 7页
• 字数: 5274字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2018.054

摘要

针对多类别的社交媒体短文本分类准确率较低问题, 提出一种学习多种句式的元学习方法, 用于改善 Twitter 文本分类性能.将 Twitter 文本聚类为多种句式, 各句式结合原类标签, 成为多样化的新类别, 从而原分类问题转化为较多类别的 few-shot 学习问题, 并通过训练深层网络来学习句式原型编码.用多个三分类Twitter 数据来检验所提 Meta-CNN 方法 , 结果显示, 该方法的学习策略简单有效, 即便在样本数量不多的情况下, 与传统机器学习分类器和部分深度学习分类方法相比, Meta-CNN 仍能获得较好的分类准确率和较高的F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫雷鸣	南京信息工程大学计算机与软件学院江苏省网络监控工程中心	1	0	0.0	0.0
2	严璐绮	南京信息工程大学计算机与软件学院江苏省网络监控工程中心	1	0	0.0	0.0
3	王超智	南京信息工程大学计算机与软件学院江苏省网络监控工程中心	1	0	0.0	0.0
4	贺嘉会	南京信息工程大学计算机与软件学院江苏省网络监控工程中心	1	0	0.0	0.0
5	吴宏煜	南京信息工程大学计算机与软件学院江苏省网络监控工程中心	1	0	0.0	0.0