基于深度表示学习和高斯过程迁移学习的情感分析方法-计算语言学.PDF

文章编号： 基于深度表示学习和高斯过程迁移学习的情感分析方法* 1 1 2 1* 吴冬茵 ，桂林 ，陈钊 ，徐睿峰 （1. 哈尔滨工业大学 深圳研究生院计算机科学与技术学院，广东 深圳 518055 ； 2 ．腾讯科技（深圳）有限公司，广东 深圳 518055 ） 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。 关键词：情感分析；深度表示学习；高斯过程；迁移学习 中图分类号：TP391 文献标识码：A Sentiment Analysis based on Deep Representation Learning and Gaussian Processes Transfer Learning 1 1 2 1* Dongyin Wu , Lin Gui , Zhao Chen , Ruifeng Xu ( 1. School of Computer Science and Technology, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, Guangdong, 518055, China; 2. Tencent Technology (Shenzhen) Ltd., Shenzhen, Guangdong, 518055, China) Abstract: Sentiment analysis is an important topic in natural language processing research. M ost existing sentiment analysis techniques are difficult to handle the domain dependent and sample data bias problems , which puzzles the development and application of sentiment analysis . Target to these problems, this paper presents a sentiment analysis approach based on deep representation learning and Gaussian Processes transfer learning. Firstly, the distributed representations of text samples are learned based on deep neural network representation learning. Next, based on deep Gaussian processes, this approach selects quality samples with the distribution similar to testing dataset from additional dataset to expand the training dataset. The sentiment classifier trained on