基于对抗学习的讽刺识别研究

张庆林, 杜嘉晨, 徐睿峰^†

哈尔滨工业大学(深圳)计算机科学与技术学院, 深圳 518055

收稿日期:2018-06-30修回日期:2018-08-18出版日期:2019-01-20

基金资助:国家自然科学基金(U1636103, 61632011)、深圳市基础研究计划(20170307150024907)和深圳市技术攻关项目(JSGG20170817140856618)资助

Sarcasm Detection Based on Adversarial Learning

ZHANG Qinglin, DU Jiachen, XU Ruifeng^†

School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055

Received:2018-06-30Revised:2018-08-18Published:2019-01-20

RichHTML

0

PDF

(530KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 为了避免现有讽刺识别方法的性能会受训练数据缺乏的影响, 在使用有限标注数据训练的注意力卷积神经网络基础上, 提出一种对抗学习框架, 该框架包含两种互补的对抗学习方法。首先, 提出一种基于对抗样本的学习方法, 应用对抗生成的样本参与模型训练, 以期提高分类器的鲁棒性和泛化能力。进而, 研究基于领域迁移的对抗学习方法, 以期利用跨领域讽刺表达数据, 改善模型在目标领域上的识别性能。在3个讽刺数据集上的实验结果表明, 两种对抗学习方法都能提高讽刺识别的性能, 其中基于领域迁移方法的性能提升更显著; 同时结合两种对抗学习方法能够进一步提高讽刺识别性能。

引用本文

张庆林, 杜嘉晨, 徐睿峰. 基于对抗学习的讽刺识别研究[J]. 北京大学学报自然科学版, 2019, 55(1): 29-36.
ZHANG Qinglin, DU Jiachen, XU Ruifeng. Sarcasm Detection Based on Adversarial Learning[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(1): 29-36.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3294