基于联合学习的少样本多类别情感分类方法

对于多类别的细粒度情感分类任务,目前主流的少样本学习方法不能取得较好的性能.针对这一问题,提出一种基于联合学习的少样本多类别情感分类方法.采用基于替换词检测任务的少样本学习方式,将回归和分类的替换词检测模板以及标签描述词同时添加至输入语句,从而将细粒度情感分类任务同时建模为分类问题和回归问题.在此基础上,设计了不同的融合方法进行联合学习.实验结果表明,与主流少样本学习方法相比,该方法在F1-Score和正确率上都取得更优的结果....

Full description

Saved in:
Bibliographic Details
Published in北京大学学报（自然科学版） Vol. 59; no. 1; pp. 57 - 64
Main Authors 李子成, 常晓琴, 李雅梦, 李寿山, 周国栋
Format Journal Article
LanguageChinese
Published 苏州大学计算机科学与技术学院,苏州 215006 20.01.2023
Subjects
少样本学习
联合学习
情感分类
Online AccessGet full text
ISSN0479-8023
DOI10.13209/j.0479-8023.2022.068

Cover

More Information
Summary:对于多类别的细粒度情感分类任务,目前主流的少样本学习方法不能取得较好的性能.针对这一问题,提出一种基于联合学习的少样本多类别情感分类方法.采用基于替换词检测任务的少样本学习方式,将回归和分类的替换词检测模板以及标签描述词同时添加至输入语句,从而将细粒度情感分类任务同时建模为分类问题和回归问题.在此基础上,设计了不同的融合方法进行联合学习.实验结果表明,与主流少样本学习方法相比,该方法在F1-Score和正确率上都取得更优的结果.
ISSN:0479-8023
DOI:10.13209/j.0479-8023.2022.068