中文信息学报
中文信息學報
중문신식학보
Journal of Chinese Information Processing
2015年
4期
74-79,143
,共7页
孟佳娜%于玉海%赵丹丹%孙世昶
孟佳娜%于玉海%趙丹丹%孫世昶
맹가나%우옥해%조단단%손세창
跨领域倾向性分析%迁移学习%偏置的马尔科夫模型
跨領域傾嚮性分析%遷移學習%偏置的馬爾科伕模型
과영역경향성분석%천이학습%편치적마이과부모형
cross-domain sentiment analysis%transfer learning%biased Markov model
在情感倾向性分析中,经常会发生由于领域知识的变化引起的分类精度下降的问题.为解决此类问题,该文提出了一种基于实例和特征相融合的知识迁移方法,首先通过三部图构建了源领域和目标领域的领域依赖特征词之间的关联,并得到一个公共的语义空间来对原有的向量空间模型进行重建,然后再通过带偏置的马尔科夫模型,建立源领域和目标领域实例之间的关联,从而有效的将源领域学习到的情感倾向性知识迁移到目标领域中,高于其它方法的实验结果验证了算法的有效性.
在情感傾嚮性分析中,經常會髮生由于領域知識的變化引起的分類精度下降的問題.為解決此類問題,該文提齣瞭一種基于實例和特徵相融閤的知識遷移方法,首先通過三部圖構建瞭源領域和目標領域的領域依賴特徵詞之間的關聯,併得到一箇公共的語義空間來對原有的嚮量空間模型進行重建,然後再通過帶偏置的馬爾科伕模型,建立源領域和目標領域實例之間的關聯,從而有效的將源領域學習到的情感傾嚮性知識遷移到目標領域中,高于其它方法的實驗結果驗證瞭算法的有效性.
재정감경향성분석중,경상회발생유우영역지식적변화인기적분류정도하강적문제.위해결차류문제,해문제출료일충기우실례화특정상융합적지식천이방법,수선통과삼부도구건료원영역화목표영역적영역의뢰특정사지간적관련,병득도일개공공적어의공간래대원유적향량공간모형진행중건,연후재통과대편치적마이과부모형,건립원영역화목표영역실례지간적관련,종이유효적장원영역학습도적정감경향성지식천이도목표영역중,고우기타방법적실험결과험증료산법적유효성.
