-
题名特征和实例迁移相融合的跨领域倾向性分析
被引量：1
- 1
-
-
作者
孟佳娜
于玉海
赵丹丹
孙世昶
-
机构
大连民族大学计算机科学与工程学院
-
出处
《中文信息学报》
CSCD
北大核心
2015年第4期74-79,143,共7页
-
基金
国家自然科学基金(61202254)
高校自主科研基金(DC201502030202
DC201502030405)
-
文摘
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。
-
关键词
跨领域倾向性分析
迁移学习
偏置的马尔科夫模型
-
Keywords
cross-domain sentiment analysis
transfer learning
biased markov model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
