10.16088/j.issn.1001-6600.2019.01.006
基于多任务深度学习的文本情感原因分析
多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷.本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析.实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39％,优于单任务学习(F值为0)和传统基线模型(LR的F值为33％),从而验证了模型的有效性.
情感原因分析、多任务学习、深度学习、文本挖掘
37
TP391(计算技术、计算机技术)
国家自然科学基金71373286,71603189;教育部哲学社会科学研究重大课题攻关项目17JZD034
2019-02-27（万方平台首次上网日期，不代表论文的发表时间）
共12页
50-61
