基于深度表示学习的多语言文本情感分析

余传明¹,冯博琳¹,田鑫¹,安璐^2*

1.中南财经政法大学信息与安全工程学院, 湖北 武汉 430073;2.武汉大学信息管理学院, 湖北 武汉 430072

收稿日期:2017-04-15出版日期:2018-03-20发布日期:2018-03-13
通讯作者:安璐(1979— ),女,教授,研究方向为可视化知识发现. E-mail:anlu97@163.comE-mail:yucm@zuel.edu.cn
作者简介:余传明(1978— ),男,副教授,研究方向为数据挖掘与商务智能. E-mail:yucm@zuel.edu.cn
基金资助:国家自然科学基金资助项目(71373286);国家自然科学基金青年资助项目(71603189)

Deep representative learning based sentiment analysis in the cross-lingual environment

YU Chuan-ming¹, FENG Bo-lin¹, TIAN Xin¹, AN Lu^2*

1. School of Information and Safety Engineering, Zhongnan University of Economics and Law, Wuhan 430073, Hubei, China;
2. School of Information Management, Wuhan University, Wuhan 430072, Hubei, China

Received:2017-04-15Online:2018-03-20Published:2018-03-13

摘要/Abstract

摘要： 迁移学习专注于解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布。通过在标注资源丰富的源语言中学习,并将目标语言的文档投影到与源语言相同的特征空间中去,从而解决目标语言因数据量较小而难以获得好的分类模型的问题。选择亚马逊在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,情感分析作为研究任务,提出了一种新的跨语言深度表示学习模型(cross lingual deep representation learning, CLDRL),实现了不同语言环境下的知识迁移。实验结果表明,CLDRL模型在跨语言环境下最优F1值达到了78.59%,证明了该模型的有效性。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2920