对抗长短时记忆网络的跨语言 文本情感分类方法

摘要：

针对文本情感分类任务中,有情感标注的语料在不同语言中的不均衡问题,结合深度学习和迁移学习,提出一种基于对抗长短时记忆网络(ALSTM)的跨语言文本情感分类方法.设置双语各自独立的特征提取网络和共享特征提取网络,把获取到的特征拼接输入到分类器进行分类.在共享特征提取网络中,设置语言分类器,运用对抗思想优化模型,通过投票法决定文本最终的情感极性.实验表明:该方法可以取得跨语言文本情感分类任务更高的准确度.

关键词：文本情感、跨语言、对抗、长短时记忆网络、共享特征

所属期刊栏目：40

分类号：TP183;TP391.1(自动化基础理论)

资助基金：国家自然科学基金资助项目61502182;福建省科技计划重点项目2015H0025

在线出版日期：2019-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：251-256