《计算机应用研究》|Application Research of Computers

基于迁移学习的讽刺检测

Sarcasm detection based on transfer learning

免费全文下载 (已被下载 次)  
获取PDF全文
作者 李垒昂,马鸿超,周清雷
机构 郑州大学 信息工程学院
统计 摘要被查看 次,已被下载
摘要 讽刺是一种复杂的语言表达,在社交媒体和电子商务平台上很常见。准确的讽刺检测对于情感分析等任务至关重要。传统的方法严重依赖于离散的人工制定的特征。现有的研究大多将讽刺检测作为一种标准的监督学习文本分类任务,但是监督学习需要有大量数据,而这些数据的收集和标注都存在困难。由于目标任务有限的数据集,可能导致讽刺检测的低性能。因此文中将讽刺检测作为一种迁移学习任务,将讽刺标记文本的监督学习与外部分析资源的知识转移相结合。通过转移的资源知识来改进神经网络模型,以此提升对目标任务的检测性能。在公开可用的数据集上的实验结果表明,文中提出的基于迁移学习的讽刺检测模型优于现有较先进的讽刺检测模型。
关键词 情感分析;讽刺检测;监督学习;迁移学习;注意机制
基金项目 国家自然科学基金资助项目(61572444)
国家重点研发计划资助项目(2016YFB0800100)
本文URL http://www.arocmag.com/article/02-2021-12-023.html
收稿日期
修回日期
页码 -
中图分类号 T391
文献标志码