基于对抗学习的讽刺识别研究

• 作者: 张庆林 徐睿峰 杜嘉晨
• 来源期刊: 北京大学学报（自然科学版）
• 关键词: 讽刺识别 对抗学习 注意力机制 卷积神经网络 对抗样本
• 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: 29-36
• 页数: 8页
• 字数: 7061字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2018.064

摘要

为了避免现有讽刺识别方法的性能会受训练数据缺乏的影响, 在使用有限标注数据训练的注意力卷积神经网络基础上, 提出一种对抗学习框架, 该框架包含两种互补的对抗学习方法.首先, 提出一种基于对抗样本的学习方法, 应用对抗生成的样本参与模型训练, 以期提高分类器的鲁棒性和泛化能力.进而, 研究基于领域迁移的对抗学习方法, 以期利用跨领域讽刺表达数据, 改善模型在目标领域上的识别性能.在3个讽刺数据集上的实验结果表明, 两种对抗学习方法都能提高讽刺识别的性能, 其中基于领域迁移方法的性能提升更显著; 同时结合两种对抗学习方法能够进一步提高讽刺识别性能.