基于生成式模型增强的社交媒体情感分类算法研究_社交媒体_2026年课程设计.docxVIP

  • 0
  • 0
  • 约1.89万字
  • 约 24页
  • 2026-11-23 发布于北京
  • 举报

基于生成式模型增强的社交媒体情感分类算法研究_社交媒体_2026年课程设计.docx

PAGE1

基于生成式模型增强的社交媒体情感分类算法研究

摘要

社交媒体平台积累了海量用户评论,这些文本蕴含丰富的情感倾向,对舆情监控与产品反馈具有重要价值。在实际应用中,高质量的情感标注数据极度稀缺,人工标注成本高昂且耗时,导致传统有监督学习模型在低资源场景下泛化能力不足,分类精度遭遇瓶颈。针对这一痛点,本文旨在设计一种基于生成式模型的数据增强与分类融合算法,以缓解标签稀缺问题并提升分类性能。

本算法以微博评论数据为研究对象,采用预训练语言模型BERT作为生成器,通过动态掩码与上下文预测机制生成高质量的增强样本。在分类阶段,融合多尺度卷积神经网络TextCNN提取局部特征,实现

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档