一种基于迁移学习及多表征的微博立场分析方法.pdf

一种基于迁移学习及多表征的微博立场分析方法.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 卷 第 期 计 算 机 科 学 45   9 Vol.45No.9 年 月 2018 9 COMPUTER SCIENCE Se.2018 p 一种基于迁移学习及多表征的微博立场分析方法 周艳芳 周 刚 鹿忠磊       (数学工程与先进计算国家重点实验室 郑州 )   450001   . 摘 要 立场分析旨在发现用户对特定目标对象所持的观点态度 针对现有方法往往难以克服标注数据匮乏及微博     , 、 . , 、 文本中大量未登录词等导致的分词误差的问题 提出了基于迁移学习及字 词特征混合的立场分析方法 首先 将字 , , ; , 词特征输入深度神经网络 级联两者隐藏层输出 复现由分词错误引起的缺失语义信息 然后 利用与立场相关话题的 ( ), ; , ( 辅助数据训练话题分类模型 父模型 得到更为有效的句子特征表示 接着 以父模型参数初始化立场分析模型 子模 ), ( ) ; , 型 从辅助数据 话题分类数据 迁移知识能加强句子的语义表示能力 最后 使用有标注数据微调子模型参数并训练 . , , . , 分类器 在 任务 的语料上进行实验 值达 优于参赛团队的最佳成绩 实验结果表明 该方 NLPCCG2016 4 F1 72.2% , . 法可提高立场分类性能 同时缓解分词误差带来的影响 , , , 关键词 迁移学习 深度学习 立场分析 微博   中图法分类号 文献标识码 /  TP391     A   DOI 10.11896 .issn.1002G137X.2018.09.040 j   A roachofStanceDetectioninMicroGblo BasedonTransferLearnin andMultiGreresentation pp g g p ZHOUYanGfan ZHOUGan LUZhonGlei g g g ( , ,

文档评论(0)

youbika + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档