基于深度表示学习和高斯过程迁移学习的情感分析方法

摘要

情感分析是自然语言处理领域的重要研究问题.现有方法往往难以克服样本偏置与领域依赖问题,严重制约了情感分析的发展和应用.为此,本文提出了一种基于深度表示学习和高斯过程知识迁移学习的情感分析方法.该方法首先利用深度神经网络获得文本样本的分布式表示,而后基于深度高斯过程,从辅助数据中迁移与测试集数据分布相符的高质量样例扩充训练数据集用于分类器训练,以此提高文本情感分类系统性能.在COAE2014文本情感分类数据集上进行的实验结果显示本文提出方法性能可以有效提高文本情感分类性能,同时可以有效缓解训练数据的样本偏置以及领域依赖问题的影响.

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号