首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
梁俊葛,线岩团,相艳,王红斌,陆婷,许莹.基于集成一致性的多源跨领域情感分类模型[J].数据采集与处理,2020,35(5):858-866
基于集成一致性的多源跨领域情感分类模型
Multiple-Source Cross Domain Sentiment Classification Model Based on Ensemble Consistency
投稿时间:2019-08-30  修订日期:2019-11-18
DOI:10.16337/j.1004-9037.2020.05.007
中文关键词:  跨领域情感分类  集成  一致性  多源域  无监督
英文关键词:cross domain sentiment analysis  ensemble  consistency  multiple source  unsupervised
基金项目:国家重点研发计划(2018YFC0830105)资助项目;国家自然科学基金(61966020 61741112)资助项目;国家博士后面上科学基金(2016M592894XB)资助项目;云南省重大科技项目(2018ZF017) 资助项目。
作者单位邮编
梁俊葛 昆明理工大学信息工程与自动化学院 昆明 650500 650500
线岩团 昆明理工大学信息工程与自动化学院 昆明 650500
昆明理工大学云南省人工智能重点实验室 昆明 650500 
650500
相艳 昆明理工大学信息工程与自动化学院 昆明 650500
昆明理工大学云南省人工智能重点实验室 昆明 650500 
650500
王红斌 昆明理工大学信息工程与自动化学院 昆明 650500
昆明理工大学云南省人工智能重点实验室 昆明 650500 
650500
陆婷 昆明理工大学信息工程与自动化学院 昆明 650500 650500
许莹 昆明理工大学信息工程与自动化学院 昆明 650500 650500
摘要点击次数: 53
全文下载次数: 56
中文摘要:
      现有的跨领域情感分类方法大多只利用了单个源域到目标域的迁移特征,没有充分考虑目标域实例与不同源域之间的联系。针对此问题,本文提出一种无监督的多源跨领域情感分类模型。首先利用单个源域到目标域的迁移特征训练基分类器,并对不同的基分类器加权;然后将不同基分类器对目标域实例预测的集成一致性作为目标函数,优化该目标函数,得到不同基分类器的权重;最后利用加权后的基分类器得到目标域的情感分类结果。该模型在亚马逊产品评论数据集上和Skytrax数据集上进行了实验,并与6种基线模型进行了比较。实验结果表明,本文方法相比基线模型,在8个不同目标域的实验中分类性能均有明显提升。
英文摘要:
      Most of the existing cross-domain sentiment classification methods only take advantage of the migration feature from a single source domain to a target domain, without fully considering connections between target domain instances and different source domains. To solve this problem, this paper proposes an unsupervised multiple-source cross-domain sentiment classification model. First, the base classifier is trained by using the migration feature of a single source domain to a target domain, and different base classifiers are weighted. Then, the ensemble consistency of different base classifiers on the target domain instance prediction is taken as the objective function, and the objective function is optimized to obtain the weights of different base classifiers. Finally, the weighted base classifier is used to obtain the sentiment classification results of the target domain. The model is tested on Amazon's product review data set and Skytrax data set, and is compared with six baseline models. Experimental results show that compared with the baseline model, the classification performance of the proposed method is significantly improved in eight different target domains.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1857016位访问者 本站今日一共被访问131

技术支持:北京勤云科技发展有限公司