融合CNN和EWC算法的不平衡文本情绪分类方法

• 作者: 唐天伟 朱海 王国玮 程艳 钟林辉 项国雄
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 情绪分类 不平衡分类 CNN EWC算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 情感分析与社会计算
• 页码范围: 92-100
• 页数: 9页
• 分类号: TP391
• 字数: 7939字
• 语种: 中文

摘要

文本情绪分类是自然语言处理领域的一个基本任务.然而,基于不平衡数据的学习使得传统文本情绪分类方法的分类性能降低.针对这个问题,该文提出了一种融合CNN和EWC算法的不平衡文本情绪分类方法.首先,该方法使用随机欠采样方法得到多组平衡数据;其次,按顺序单独使用每一组平衡数据输入CNN训练,同时在训练过程中引入EWC算法用以克服CNN中的灾难性遗忘;最后,把使用最后一组平衡数据输入CNN训练得到的模型作为最终分类模型.实验结果表明,该方法在分类性能上明显优于基于欠采样和多分类算法的集成学习框架,且该方法比基于多通道LSTM神经网络的不平衡情绪分类方法在Accuracy和G-mean上分别提高了1.9％和2.1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	项国雄	江西师范大学新闻与传播学院	89	1074	18.0	31.0
2	唐天伟	江西师范大学管理决策评价研究中心	45	376	9.0	18.0
3	钟林辉	江西师范大学计算机信息工程学院	24	143	7.0	11.0
4	程艳	江西师范大学计算机信息工程学院	26	63	5.0	6.0
5	朱海	江西师范大学计算机信息工程学院	1	0	0.0	0.0
6	王国玮	江西师范大学计算机信息工程学院	1	0	0.0	0.0