10.16337/j.1004-9037.2020.05.007
基于集成一致性的多源跨领域情感分类模型
现有的跨领域情感分类方法大多只利用了单个源域到目标域的迁移特征,没有充分考虑目标域实例与不同源域之间的联系.针对此问题,本文提出一种无监督的多源跨领域情感分类模型.首先利用单个源域到目标域的迁移特征训练基分类器,并对不同的基分类器加权;然后将不同基分类器对目标域实例预测的集成一致性作为目标函数,优化该目标函数,得到不同基分类器的权重;最后利用加权后的基分类器得到目标域的情感分类结果.该模型在亚马逊产品评论数据集上和Skytrax数据集上进行了实验,并与6种基线模型进行了比较.实验结果表明,本文方法相比基线模型,在8个不同目标域的实验中分类性能均有明显提升.
跨领域情感分类、集成、一致性、多源域、无监督
35
TP274(自动化技术及设备)
国家重点研发计划;国家自然科学基金;国家博士后面上科学基金;云南省重大科技项目
2020-10-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
858-866