基于迁移学习的讽刺检测

摘要：

准确的讽刺检测对于情感分析等任务至关重要.传统的方法严重依赖于离散的人工制定的特征.现有的研究大多将讽刺检测作为一种标准的监督学习文本分类任务,但是监督学习需要有大量数据,而这些数据的收集和标注都存在困难.由于目标任务有限的数据集可能导致讽刺检测的低性能,为此将讽刺检测作为一种迁移学习任务,将讽刺标记文本的监督学习与外部分析资源的知识转移相结合.通过转移的资源知识来改进神经网络模型,以此提升对目标任务的检测性能.在公开可用的数据集上的实验结果表明,提出的基于迁移学习的讽刺检测模型优于现有较先进的讽刺检测模型.

关键词：情感分析;讽刺检测;监督学习;迁移学习;注意机制

所属期刊栏目：38

分类号：T391

资助基金：国家自然科学基金;国家重点研发计划

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3646-3650