基于联合学习的少样本多类别情感分类方法

李子成, 常晓琴, 李雅梦, 李寿山^?, 周国栋

苏州大学计算机科学与技术学院, 苏州 215006

收稿日期:2022-05-13修回日期:2022-08-10出版日期:2023-01-20发布日期:2023-01-20
通讯作者:李寿山, E-mail: lishoushan(at)suda.edu.cn

基金资助:国家自然科学基金(62076176)资助

A Joint Learning Approach to Few-Shot Learning for Multi-categorySentiment Classification

LI Zicheng, CHANG Xiaoqin, LI Yameng, LI Shoushan^?, ZHOU Guodong

School of Computer Science and Technology, Soochow University, Suzhou 215006

Received:2022-05-13Revised:2022-08-10Online:2023-01-20Published:2023-01-20
Contact:LI Shoushan, E-mail: lishoushan(at)suda.edu.cn

摘要/Abstract

摘要： 对于多类别的细粒度情感分类任务, 目前主流的少样本学习方法不能取得较好的性能。针对这一问题, 提出一种基于联合学习的少样本多类别情感分类方法。采用基于替换词检测任务的少样本学习方式, 将回归和分类的替换词检测模板以及标签描述词同时添加至输入语句, 从而将细粒度情感分类任务同时建模为分类问题和回归问题。在此基础上, 设计了不同的融合方法进行联合学习。实验结果表明, 与主流少样本学习方法相比, 该方法在 F1-Score 和正确率上都取得更优的结果。

引用本文

李子成, 常晓琴, 李雅梦, 李寿山, 周国栋. 基于联合学习的少样本多类别情感分类方法[J]. 北京大学学报自然科学版, 2023, 59(1): 57-64.
LI Zicheng, CHANG Xiaoqin, LI Yameng, LI Shoushan, ZHOU Guodong. A Joint Learning Approach to Few-Shot Learning for Multi-categorySentiment Classification[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(1): 57-64.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3827