跨领域文本情感分类研究进展

• 作者: 李德玉 王素格 赵传君
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 跨领域文本情感分类 领域适应 迁移学习 研究进展
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1723-1746
• 页数: 24页
• 分类号: TP391
• 字数: 22183字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.006029

摘要

作为社会媒体文本情感分析的重要研究课题之一,跨领域文本情感分类旨在利用源领域资源或模型迁移地服务于目标领域的文本情感分类任务,其可以有效缓解目标领域中带标签数据不足问题.从3个角度对跨领域文本情感分类方法行了归纳总结:(1)按照目标领域中是否有带标签数据,可分为直推式和归纳式情感迁移方法;(2)按照不同情感适应性策略,可分为实例迁移方法、特征迁移方法、模型迁移方法、基于词典的方法、联合情感主题方法以及图模型方法等;(3)按照可用源领域个数,可分为单源和多源跨领域文本情感分类方法.此外,还介绍了深度迁移学习方法及其在跨领域文本情感分类的最新应用成果.最后,围绕跨领域文本情感分类面临的关键技术问题,对可能的突破方向进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵传君	山西财经大学信息学院	1	0	0.0	0.0