基于语义结构的迁移学习文本特征对齐算法

• 作者: 卢晨阳 康雁 杨成荣 蒲斌
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 迁移学习 特征对齐 词向量 词网 文本挖掘
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 116-121
• 页数: 6页
• 分类号: TP391
• 字数: 5261字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050574

摘要

特征对齐在源域和目标域空间不一致时会导致负迁移现象.为此,提出一种基于GloVe和WordNet模型的迁移学习文本特征对齐算法.根据数据样本词性和类别对分类任务进行特征筛选,选择源域和目标域的领域共有词作为枢纽词,使用GloVe模型对齐源域和目标域中最相似的非枢纽特征.在此基础上,根据源域和目标域的非共有特征,通过WordNet模型对领域独立特征完成强语义对齐,同时利用含有枢纽特征的对齐三元组表示对齐特征.实验结果表明,该算法可有效降低特征维度,扩充特征空间,提高跨领域文本分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康雁	云南大学软件学院	29	83	5.0	8.0
2	卢晨阳	云南大学软件学院	2	3	1.0	1.0
3	杨成荣	云南大学软件学院	1	0	0.0	0.0
4	蒲斌	云南大学软件学院	4	6	2.0	2.0